Python numpy从线性函数生成数据

假设我想从一个线性函数中生成100个左右的数据点，最好的方法是什么

示例线性函数

y=0.4*x+3+delta

其中delta是从-10和+10之间的均匀分布中提取的随机值

我希望为每个数据点生成delta，以便对数据进行一些扰动

import numpy as np

d = np.random.uniform(-10, 10)

---

这似乎符合delta的要求，尽管我不确定如何生成包含此项的其余部分。

我不知道您希望如何生成x，但这将起作用：

In [7]: x = np.arange(100)

In [8]: delta = np.random.uniform(-10,10, size=(100,))

In [9]: y = .4 * x +3 + delta

---

这完全取决于要评估函数的

x

值。假设您想从-50到50进行绘图，只需使用

x=np.arange（-50,50）

，但您需要

d=np.random.uniform（-10,10,x.size）

然后运行函数：

y=0.4*x+3+delta

另一方面，如果需要线性间隔的

x

，也可以使用

np.linspace

或对数间隔的

x

：

np.logspace

最后它可能看起来像：

x = np.linspace(0, 100, 1000) # 1000 values between 0 and 100
# x = np.arange(-50, 50) # -50, -49, ... 49, 50
delta = np.random.uniform(-10, 10, x.size)
y = 0.4*x + 3 + delta

---

plt.plot（x，y）

然后

plt.show（）

。是的，对不起，我说得太快了，结果很直截了当。为了清楚起见，我使用了plt.plot（y，'x'）来获取数据点。没有第一个x变量的plt.plot（y，'x'）会导致为x轴推断np.arange（0，len（y））。如果您使用任何其他范围（例如-50到50）计算y，则图形将不正确。谢谢，我感谢您的警告。我已经和医生确认了这一点。