python 生成随机数的三种方法

文章目录

1. 使用 random 包生成随机数
2. 使用 numpy 包生成随机数
3. 使用 scipy 包生成随机数

1. 使用 random 包生成随机数

可以生成
均匀分布，
高斯分布，（包括正态分布）
指数分布，（与泊松分布有区别：泊松分布表示一段时间发生多少次，而指数分布表示两次发生的时间间隔）
贝塔分布，
韦布尔分布的随机数

由此可见，random 包支持的随机分布比较有限，功能较少.

例如：
(1) 生成 [1, 10] 内的均匀分布随机数

import random
random.uniform(1, 10)
Out[29]: 9.79867265758995

(2) 生成 [1, 10] 内的随机整数

random.randint(1, 10)
Out[30]: 2

(3) 生成一个正态分布的随机数，均值为 5，标准差为 1

random.gauss(5, 1)
Out[32]: 4.933013260084848

(4) 生成一个指数分布的随机数，均值为 5

 random.expovariate(0.2)
Out[37]: 4.670169382329602

2. 使用 numpy 包生成随机数

numpy 包的 random 方法基本支持所有分布，并且能够一次生成多行多列的随机数.

例如：
(1) 生成 [1, 10] 内的均匀分布随机数， 2 行 2 列

import numpy as np
np.random.uniform(1, 10, [2,2])
Out[46]:
array([[9.72571265, 9.37758659],[9.92487471, 9.37467146]])

(2) 生成 [1, 10] 内的随机整数， 2 行 2 列

np.random.randint(1, 10, [2,2])
Out[47]:
array([[6, 6],[8, 7]])

(3) 生成一个正态分布的随机数，均值为 5，标准差为 1， 2 行 2 列

np.random.normal(5, 1, [2,2])
Out[48]:
array([[3.74927889, 5.75561821],[4.8353383 , 5.58410519]])

(4) 生成一个泊松分布的随机数，均值为 5， 2 行 2 列

np.random.poisson(5, [2,2])
Out[49]:
array([[7, 3],[4, 7]])

(4) 生成一个指数分布的随机数，均值为 5， 2 行 2 列

np.random.exponential(5, [2,2])
Out[57]:
array([[3.06834959, 2.70350511],[6.81427455, 2.91453029]])

3. 使用 scipy 包生成随机数

用 scipy 包不同分布函数自带的 rvs 生成随机数，例如，生成一个正态分布的 2 行 2 列随机数，均值为 5，标准差为 1：

>>> import scipy.stats as st
>>> st.norm.rvs(loc=5, scale=1, size=[2,2])
array([[3.96964463, 4.14137383],[6.36342893, 3.99992325]])

生成一个泊松分布的 2 行 2 列随机数，均值为 5：

>>> st.poisson.rvs(mu=5, size=[2,2])
array([[5, 7],[3, 9]])