def gees:

    daa = d.astype
    np.bincount # 产生一个范围为(i,i+1)的计数数组
    np.array(\[\])
    
    crnt = int
    for i in xrange(n_ms):
        trs = np.append
        # 最终创建一个函数，选择一个好的跳跃距离
        # 如果当前位置的p很低，就把跳转的距离变大
        poo = int
        # 确保我们不离开边界
        while rood  data.max or ppsd < data.min:
            pood = int

      
        if a > 1:
            cuent = prosed
        else:
            if np.random.random<= a:
                curnt = ppse

traces = get_traces(target, 5000)

不仅轨迹的分布非常接近实际分布，样本均值也非常接近。绘制的样本点少于 5000 个，我们非常接近于近似目标分布的形状。