Python实现随机游走的详细解释

夏知夏

发布时间：2026-10-14| 2人浏览过

原创

本文详细介绍如何使用Python实现随机游走模型。通过内置random库生成单条500步的随机路径，并利用numpy库高效模拟多条并行游走过程。文章涵盖核心代码逻辑、关键参数设置及Matplotlib可视化绘图方法，帮助读者理解随机过程的基础实现。

首先展示一个包含500步的单一随机游走案例。该过程从位置0开始，每一步的步长固定为1或-1，且这两个方向出现的概率相等。

注意：实现此功能需要调用Python的内置函数random，该模块无需额外安装，直接导入即可使用。

import random


 -*- coding: utf-8 -*-
import matplotlib.pyplot as plt
import random

position=0#设置初始位置
walk=[]#保存位置
steps=500#设置步数为500步
for i in range(steps):
  step=1 if random.randint(0,1) else -1#如果随机值等于0则step为1，反之为0
  position+=step#改变位置（正，负）
  walk.append(position)
fig=plt.figure()#生成窗口
ax=fig.add_subplot(211)#返回一个axes对象，里面的参数abc表示在一个figure窗口中，有a行b列个小窗口，然后本次plot在第c个窗口中
ax.plot(walk)

ax=fig.add_subplot(223)
ax.plot(walk)

ax=fig.add_subplot(224)
ax.plot(walk)
plt.show()
#print walk#打印每一次的累积步数

执行上述代码后的运行结果如下：

接下来，我们将实现多个随机游走的模拟场景。

此部分实现需要依赖numpy库的支持。


#-*- coding: utf-8 -*-

import matplotlib.pyplot as plt
import numpy as np

nwalks = 8
nsteps = 500
draws = np.random.randint(0, 2, size=(nwalks, nsteps)) # 0 or 1
steps = np.where(draws > 0, 1, -1)#每一次的步长
walks = steps.cumsum(1)#累积步数

fig = plt.figure()
ax = fig.add_subplot(111)
for i in range(nwalks):
  ax.plot(walks[i])

plt.show()