第十五章：NumPy

您所在的位置：网站首页 › python3 random函数 › 第十五章：NumPy

第十五章：NumPy

2023-03-19 15:57| 来源: 网络整理| 查看: 265

NumPy - 随机数函数

本文引用了python之道的原创内容：http://www.cnblogs.com/lemonbit/，感谢作者的辛苦奉献

NumPy的随机函数子库：np.random.*包含有关随机数的函数。

随机数组生成 rand(d0, d1, ..., dn) 根据d0-dn创建随机数数组，浮点数，[0, 1)，均匀分布， randn(d0, d1, ..., dn) 根据d0-dn创建随机数数组，标准正太分布 randint(low[,high,shape]) 根据shape创建随机整数数组范围是[1ow, high)，均匀分布 seed(s) 随机数种子s是给定的种子值，相同的种子值产生相同的随机数组常用分布 uniform(low,high,size) 产生具有均匀分布的数组，low为起始值，high为结束值，size为形状 normal(loc,scale,size) 产生具有正太分布的数组，loc为均值，scale为标准差，size为形状 poisson(lam,size) 产生具有泊松分布的数组，lam为随机事件发生率，size为形状数组的随机变换 shuffle(a) 根据数组a的第1轴进行随机排列，改变数组x permutation(a) 根据数组a的第1轴产生一个新的乱序数组，不改变数组x choice(a[, size, replace, p]) 从一维数组a中以概率p抽取元素，形成size形状新数组 replace表示是否可以重用元素，默认为True 1.numpy.random.rand()

numpy.random.rand(d0,d1,…,dn)

rand函数根据给定维度生成[0,1)之间的数据，包含0，不包含1 dn表格每个维度返回值为指定维度的array 示例1： import numpy as np np.random.rand(4,2)

输出如下：

array([[ 0.47504803, 0.42937928], [ 0.14574222, 0.11560788], [ 0.25687586, 0.25580875], [ 0.94538806, 0.6959757 ]]) 示例2： np.random.rand(4,3,2) # shape: 4*3*2

输出如下：

array([[[ 0.08256277, 0.11408276], [ 0.11182496, 0.51452019], [ 0.09731856, 0.18279204]], [[ 0.74637005, 0.76065562], [ 0.32060311, 0.69410458], [ 0.28890543, 0.68532579]], [[ 0.72110169, 0.52517524], [ 0.32876607, 0.66632414], [ 0.45762399, 0.49176764]], [[ 0.73886671, 0.81877121], [ 0.03984658, 0.99454548], [ 0.18205926, 0.99637823]]]) 2 numpy.random.randn()

numpy.random.randn(d0,d1,…,dn)

randn函数返回一个或一组样本，具有标准正态分布。 dn表格每个维度返回值为指定维度的array 示例1： np.random.randn() # 当没有参数时，返回单个数据

输出如下：

-1.1241580894939212 示例2： np.random.randn(2,4)

输出如下：

array([[ 0.27795239, -2.57882503, 0.3817649 , 1.42367345], [-1.16724625, -0.22408299, 0.63006614, -0.41714538]]) 示例3： np.random.randn(4,3,2)

输出如下：

array([[[ 1.27820764, 0.92479163], [-0.15151257, 1.3428253 ], [-1.30948998, 0.15493686]], [[-1.49645411, -0.27724089], [ 0.71590275, 0.81377671], [-0.71833341, 1.61637676]], [[ 0.52486563, -1.7345101 ], [ 1.24456943, -0.10902915], [ 1.27292735, -0.00926068]], [[ 0.88303 , 0.46116413], [ 0.13305507, 2.44968809], [-0.73132153, -0.88586716]]])

标准正态分布介绍

标准正态分布—-standard normal distribution 标准正态分布又称为u分布，是以0为均值、以1为标准差的正态分布，记为N（0，1）。 3 numpy.random.randint() 3.1 numpy.random.randint()

numpy.random.randint(low, high=None, size=None, dtype=’l’)

返回随机整数，范围区间为[low,high），包含low，不包含high 参数：low为最小值，high为最大值，size为数组维度大小，dtype为数据类型，默认的数据类型是np.int high没有填写时，默认生成随机数的范围是[0，low) np.random.randint(1,size=5) # 返回[0,1)之间的整数，所以只有0 array([0, 0, 0, 0, 0]) np.random.randint(1,5) # 返回1个[1,5)时间的随机整数 4 np.random.randint(-5,5,size=(2,2)) array([[ 2, -1], [ 2, 0]]) 3.2 numpy.random.random_integers(在python3中被废弃)

numpy.random.random_integers(low, high=None, size=None)

返回随机整数，范围区间为[low,high]，包含low和high 参数：low为最小值，high为最大值，size为数组维度大小 high没有填写时，默认生成随机数的范围是[1，low]

该函数在最新的numpy版本中已被替代，建议使用randint函数.

4 生成[0,1)之间的浮点数 numpy.random.random_sample(size=None) numpy.random.random(size=None) numpy.random.ranf(size=None) numpy.random.sample(size=None) print('-----------random_sample--------------') print(np.random.random_sample(size=(2,2))) print('-----------random--------------') print(np.random.random(size=(2,2))) print('-----------ranf--------------') print(np.random.ranf(size=(2,2))) print('-----------sample--------------') print(np.random.sample(size=(2,2))) -----------random_sample-------------- [[ 0.34966859 0.85655008] [ 0.16045328 0.87908218]] -----------random-------------- [[ 0.25303772 0.45417512] [ 0.76053763 0.12454433]] -----------ranf-------------- [[ 0.0379055 0.51288667] [ 0.71819639 0.97292903]] -----------sample-------------- [[ 0.59942807 0.80211491] [ 0.36233939 0.12607092]] 5 numpy.random.choice()

numpy.random.choice(a, size=None, replace=True, p=None)

从给定的一维数组中生成随机数参数： a为一维数组类似数据或整数；size为数组维度；p为数组中的数据出现的概率 a为整数时，对应的一维数组为np.arange(a) np.random.choice(5,3) array([4, 1, 4]) np.random.choice(5, 3, replace=False) # 当replace为False时，生成的随机数不能有重复的数值 array([0, 3, 1]) np.random.choice(5,size=(3,2)) array([[1, 0], [4, 2], [3, 3]]) demo_list = ['lenovo', 'sansumg','moto','xiaomi', 'iphone'] np.random.choice(demo_list,size=(3,3)) array([['moto', 'iphone', 'xiaomi'], ['lenovo', 'xiaomi', 'xiaomi'], ['xiaomi', 'lenovo', 'iphone']], dtype='

【本文地址】

第十五章：NumPy

第十五章：NumPy

今日新闻

推荐新闻