numpy.random随机数模块常用函数总结

np.random.uniform

生成固定范围的随机数

numpy.random.uniform(low,high,size)

功能：从一个均匀分布[low,high)中随机采样，注意定义域是左闭右开，即包含low，不包含high.

参数介绍:

low: 采样下界，float类型，默认值为0；
high: 采样上界，float类型，默认值为1；
size: 输出样本数目，为int或元组(tuple)类型，例如，size=(m,n,k), 则输出m*n*k个样本，缺省时输出1个值。

生成1到3范围内的一个数

np.random.uniform(1,3 )2.428660811204951

生成1到3范围内的3个数

np.random.uniform(1,3,3)

生成1到3范围内的一个数组

np.random.uniform(1,3,(3,4))array([[1.33966067, 2.49505668, 1.64736243, 2.87393099],[1.82262092, 1.99874646, 2.21015437, 1.85057996],[1.56628769, 1.72106702, 2.51257272, 1.20544446]])

np.random.rand

格式：

np.random.rand(d0,d1,d2……dn)

功能：
通过本函数可以返回一个或一组服从“0~1”均匀分布的随机样本值。随机样本取值范围是[0,1)，不包括1。

生成一个234的数组（矩阵）

np.random.rand(2,3,4)array([[[0.15578084, 0.71341564, 0.67504868, 0.02170231],[0.19140309, 0.00316935, 0.45001369, 0.26772278],[0.40754725, 0.02049305, 0.93805478, 0.81211553]],[[0.31582232, 0.49207225, 0.75451686, 0.21681679],[0.63228279, 0.87337407, 0.78047581, 0.29561688],[0.38732089, 0.17060556, 0.51034935, 0.3329788 ]]])

np.random.random(size=)

用法与np.random.rand 一样，就size要加括号

np.random.random((1000, 20))

上面这个就代表生成1000行 20列的浮点数，浮点数都是从0-1中随机。

np.random.randn()

通过本函数可以返回一个或一组服从标准正态分布的随机样本值。

np.random.randn(d0,d1,d2……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

标准正态分布曲线下面积分布规律是：

在-1.96～+1.96范围内曲线下的面积等于0.9500（即取值在这个范围的概率为95%），在-2.58～+2.58范围内曲线下面积为0.9900（即取值在这个范围的概率为99%）.
因此，由 np.random.randn()函数所产生的随机样本基本上取值主要在-1.96~+1.96之间，当然也不排除存在较大值的情形，只是概率较小而已。

np.random.randint()

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

功能：

返回一个随机整型数，范围从低（包括）到高（不包括），即[low, high)。如果没有写参数high的值，则返回[0,low)的值。

参数如下：

low: int 生成的数值最低要大于等于low。（hign = None时，生成的数值要在[0, low)区间内）
high: int (可选)如果使用这个值，则生成的数值在[low, high)区间。
size: int or tuple of ints(可选) 输出随机数的尺寸，比如size = (m * n* k)则输出同规模即m * n* k个随机数。默认是None的，仅仅返回满足要求的单一随机数。
dtype: dtype(可选)：想要输出的格式。如int64、int等等

np.random.randint(2, size=10)array([1, 0, 0, 0, 1, 1, 0, 0, 1, 0])
np.random.randint(1, size=10)
array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])

np.random.randint(5, size=(2, 4))array([[4, 0, 2, 1],[3, 2, 2, 0]])

np.random.randint(2, high=10, size=(2,3))array([[6, 8, 7],[2, 5, 2]])

numpy.random.seed()

seed( ) 用于指定随机数生成时所用算法开始的整数值，如果使用相同的seed( )值，则每次生成的随即数都相同，如果不设置这个值，则系统根据时间来自己选择这个值，此时每次生成的随机数因时间差异而不同。

numpy.random.seed(num)

如下代码，我没戏运行结果都一样，如果不加seed就不一样了。

np.random.seed(5)
print(np.random.randint(5,10,size=(4,3)))

np.random.shuffle()

对一维数组重新排序：

arr = np.arange(10)
print(arr)np.random.shuffle(arr)
print(arr)[0 1 2 3 4 5 6 7 8 9]
[1 8 4 7 6 0 3 9 2 5]

arr = np.arange(12).reshape(3,4)
print(arr)np.random.shuffle(arr)
print(arr)np.random.shuffle(arr)
print(arr)[[ 0  1  2  3][ 4  5  6  7][ 8  9 10 11]]
[[ 4  5  6  7][ 0  1  2  3][ 8  9 10 11]]
[[ 0  1  2  3][ 4  5  6  7][ 8  9 10 11]]

np.random.permutation(x)

可直接生成一个随机排列的数组：

np.random.permutation(10)array([9, 0, 7, 8, 1, 2, 6, 3, 4, 5])

对一维数组随机排序（多维数组一样）：

np.random.permutation(np.arange(10))array([2, 8, 3, 4, 0, 7, 6, 1, 5, 9])

从代码可以看出，两个函数的功能类似。np.random.shuffle(x)改变自身数组，np.random.permutation(x)不改变自身数组。

np.random.choice()

 choice(a, size=None, replace=True, p=None)

表示从a中随机选取size个数
replacement 代表的意思是抽样之后还放不放回去，如果是False的话，那么通一次挑选出来的数都不一样，如果是True的话，有可能会出现重复的，因为前面的抽的放回去了。
p表示每个元素被抽取的概率，如果没有指定，a中所有元素被选取的概率是相等的。
可以从一个int数字或1维array里随机选取内容，并将选取结果放入n维array中返回。

>>> np.random.choice(5, 3)
array([0, 3, 4])>>> np.random.choice(5, 3, p=[0.1, 0, 0.3, 0.6, 0])
array([3, 3, 0])>>> np.random.choice(5, 3, replace=False)
array([3,1,0])>>> np.random.choice(5, 3, replace=False, p=[0.1, 0, 0.3, 0.6, 0])
array([2, 3, 0])>>> aa_milne_arr = ['pooh', 'rabbit', 'piglet', 'Christopher']>>> np.random.choice(aa_milne_arr, 5, p=[0.5, 0.1, 0.1, 0.3])
array(['pooh', 'pooh', 'pooh', 'Christopher', 'piglet'],