引用Numpy庫

NumPy庫是Python的一種開源的數(shù)值計算擴(kuò)展，提供了許多高級的數(shù)值編程工具，如：矩陣數(shù)據(jù)類型、矢量處理，以及精密的運(yùn)算庫。NASA用其來處理一些運(yùn)算。

蒙特卡洛模型用到的Numpy句法：

1、首先引用Numpy庫，起個名字叫np

import numpy as np

2、生成符合正太分布的0~99之間的隨機(jī)整數(shù) ，total_count代表生成隨機(jī)數(shù)的個數(shù)，也就是要模擬多少次

np.random.randint(0,99,Total_Count)

3、用Numpy自帶函數(shù)計算相關(guān)指標(biāo) (NPV_Num是一個數(shù)組)

Max_Num=np.max(NPV_Num)

Min_Num=np.min(NPV_Num)

Mean_Num=round(np.mean(NPV_Num),0)

Std_Num=int(np.std(NPV_Num, ddof = 1))

用判斷語句給相關(guān)參數(shù)賦值

以研發(fā)費(fèi)為例，Python的句法實(shí)際上就是把EXCEL公式“翻譯”了一遍。Index_YFF是一個數(shù)組，使用.append方法增加數(shù)組值。

Index_YFF=[]

rnd_nums=np.random.randint(0,99,Total_Count)

rnd_num rnd_nums:

rnd_num<=19:

Index_YFF.append(400)

rnd_num>19

rnd_num<=69:

Index_YFF.append(500)

rnd_num>69:

Index_YFF.append(600)

用Print語句輸出計算結(jié)果

Print語句是Python常用的語句，用來顯示結(jié)果值。

print("樣本數(shù):",Total_Count)

print("最大值:",Max_Num)

print("最小值:",Min_Num)

print("平均值:",Mean_Num)

print("標(biāo)準(zhǔn)差:",Std_Num)

用matplotlib庫畫圖

Matplotlib 是一個 Python 的 2D繪圖庫，通過 Matplotlib，開發(fā)者可以僅需要幾行代碼，便可以生成繪圖，直方圖，功率譜，條形圖，錯誤圖，散點(diǎn)圖等。

counts, bins, path = plt.hist(NPV_Num,bins=Std_Num,color='green',density=True)

plt.title("Normal distribution")

plt.show()

寫一個可以計算年金現(xiàn)值的函數(shù)

編程就像搭積木，主程序一般是描述程序運(yùn)行的順序和邏輯，而一些用來傳遞參數(shù)進(jìn)行處理的代碼，可以放到自定義函數(shù)中。

def pv_f(c,r,n,when=1):

c=np.array(c)

r=np.array(r)

if when==1:

n=np.arange(1,n+1)

else:

n=np.arange(0,n)

pv=c/(1+r)**n

return pv.sum()

至此，用Python模擬蒙特卡洛的方法和代碼介紹完了。和EXCEL比較起來，Python的方法更容易擴(kuò)展，運(yùn)算速度更快，大有用武之地！

總結(jié)

以上是生活随笔為你收集整理的python蒙特卡洛模拟_用Python实现蒙特卡洛模拟的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。