Python中的random.vonmisesvariate函数用于生成符合von Mises分布的随机数。von Mises分布是描述圆周数据集的分布，常用于处理角度、方向等数据。
函数语法如下：
random.vonmisesvariate(mu, kappa)其中，mu表示分布的中心，kappa表示分布的方向程度，越大分布越趋向于单峰分布。
下面通过两个实例说明如何使用该函数：
生成符合von Mises分布的随机数，并进行可视化展示。
import matplotlib.pyplot as plt
import numpy as np
import random
# 设置中心为45度，方向程度为1
mu = np.pi / 4
kappa = 1
# 生成1000个符合von Mises分布的随机数
data = [np.mod(random.vonmisesvariate(mu, kappa), 2*np.pi) for i in range(1000)]
# 绘制直方图
n, bins, patches = plt.hist(data, bins=50, density=True, alpha=0.7)
# 绘制概率密度函数
x = np.linspace(0, 2*np.pi, 100)
y = np.exp(kappa * np.cos(x - mu)) / (2 * np.pi * np.i0(kappa))
plt.plot(x, y, color='r', linewidth=2)
plt.title('von Mises distribution')
plt.show()运行结果如下图所示：
从图中可以看出，生成的随机数符合von Mises分布。
使用von Mises分布生成随机漫步。
import matplotlib.pyplot as plt
import numpy as np
import random
# 设置中心为0度，方向程度为1
mu = 0
kappa = 1
# 生成1000个符合von Mises分布的随机数
angles = [random.vonmisesvariate(mu, kappa) for i in range(1000)]
# 将角度转换为弧度
radians = [np.radians(a) for a in angles]
# 计算两个相邻点之间的差值
deltas = np.concatenate(([0], np.diff(radians)))
# 计算每个点的坐标
x = np.cumsum(np.cos(radians))
y = np.cumsum(np.sin(radians))
# 绘制随机漫步
plt.plot(x, y)
plt.title('Random walk generated by von Mises distribution')
plt.show()运行结果如下图所示：
从图中可以看出，使用von Mises分布生成的随机漫步具有自相似性，呈现出典型的随机漫步特征。
本文链接：http://task.lmcjl.com/news/3973.html