numpy 常用产生随机数方法

文章目录

1、np.random.uniform的用法
2、np.random.random_sample的用法
3、np.random.rand的用法
4、np.random.randint的用法
5、np.random.random_integers的用法
6.np.random.randn用法
7.np.random.normal：指定均值、标准差的正态分布
8.np.random.seed()用法

numpy 中的random模块有多个函数用于生成不同类型的随机数，常见的有 uniform、rand、random、randint、random_interges

1、np.random.uniform的用法

np.random.uniform(low=0.0, high=1.0, size=None)

作用：可以生成[low,high)中的随机数，可以是单个值，也可以是一维数组，也可以是多维数组
参数介绍：
low :float型，或者是数组类型的，默认为0
high:float型，或者是数组类型的，默认为1
size:int型，或元组，默认为空

In[1]: import numpy as npIn[2]: np.random.uniform()  # 默认为0到1
Out[2]: 0.827455693512018In[3]: np.random.uniform(1,5)
Out[3]: 2.93533586182789In[4]: np.random.uniform(1,5,4)  #生成一维数组
Out[4]: array([ 3.18487512,  1.40233721,  3.17543152,  4.06933042])In[5]: np.random.uniform(1,5,(4,3)) #生成4x3的数组
Out[5]:
array([[ 2.33083328,  1.592934  ,  2.38072   ],[ 1.07485686,  4.93224857,  1.42584919],[ 3.2667912 ,  4.57868281,  1.53218578],[ 4.17965117,  3.63912616,  2.83516143]])In[6]: np.random.uniform([1,5],[5,10])
Out[6]: array([ 2.74315143,  9.4701426 ])

2、np.random.random_sample的用法

和np.random.random作用一样
np.random.random_sample(size=None)

作用：返回[0,1)之间的浮点型随机数，通过size控制返回的形状

np.random.random_sample()0.47108547995356098
type(np.random.random_sample())<type 'float'>
np.random.random_sample((5,))array([ 0.30220482,  0.86820401,  0.1654503 ,  0.11659149,  0.54323428])Three-by-two array of random numbers from [-5, 0):5 * np.random.random_sample((3, 2)) - 5array([[-3.99149989, -0.52338984],[-2.99091858, -0.79479508],[-1.23204345, -1.75224494]])

3、np.random.rand的用法

np.random.rand(d0, d1, …, dn)

作用：返回[0,1)内的浮点数，输入的d0,d1…dn代表维度信息，没有输入时，则返回[0,1)内的一个随机值

In[15]: np.random.rand()
Out[15]: 0.9027797355532956In[16]:np.random.rand(3,3)
Out[16]:
array([[ 0.47507608,  0.64225621,  0.9926529 ],[ 0.95028412,  0.18413813,  0.91879723],[ 0.89995217,  0.42356103,  0.81312942]])In[17]: np.random.rand(3,3,3)
Out[17]:
array([[[ 0.30295904,  0.76346848,  0.33125168],[ 0.77845927,  0.75020602,  0.84670385],[ 0.2329741 ,  0.65962263,  0.93239286]],[[ 0.24575304,  0.9019242 ,  0.62390674],[ 0.43663215,  0.93187574,  0.75302239],[ 0.62658734,  0.01582182,  0.66478944]],[[ 0.22152418,  0.51664503,  0.41196781],[ 0.47723318,  0.19248885,  0.29699868],[ 0.11664651,  0.66718804,  0.39836448]]])

4、np.random.randint的用法

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

作用：生成整型随机数，可以是单个随机数，也可以是多维的随机数构成的数组

参数介绍
low：int 型，随机数的下限
high：int 型，默认为空，随机数的上限，当此值为空时，函数生成[0,low)区间内的随机数
size：int、或ints、或元组，指明生成的随机数的类型
dtype:可选’int’ ,’int32’，默认为’l’

In[7]: np.random.randint(4)
Out[7]: 1In[8]: np.random.randint(4,size=4)
Out[8]: array([2, 2, 2, 0])In[9]: np.random.randint(4,10,size=6)
Out[9]: array([7, 9, 7, 8, 6, 9])np.random.randint(4,10,size=(2,2),dtype='int32')
Out[10]:
array([[7, 4],[6, 9]])

5、np.random.random_integers的用法

np.random.random_integers(low, high=None, size=None)
和randint的用法较为相似,区别在于[low,high]
的右边界能够取到，且该函数即将被抛弃，可以使用
np.random.randint(low,high+1)进行代替

总结：随机数可以分为两大类，一类是浮点型的，常以np.random.uniform为代表，np.random.rand,np.random.radnom和np.random.random_simple可以看作是np.random.uniform的特例；另一类是整数型的，以np.random.randint为代表，也有np.random.random_integers 但是后者将被前者取代

6.np.random.randn用法


# 生成随机数组(3行4列)
t4 = np.random.randn(3, 4)  # 标准正态分布。平均数为0,标准差为1
print(t4)
'''
[[-1.16437124  0.46641835 -1.46333878 -0.62954658][-1.00251519  0.01611795 -0.84230815 -0.53709323][-0.1879806   0.95789097  0.39767329 -0.62235085]]

7.np.random.normal：指定均值、标准差的正态分布


# 随机生成数组。指定均值和标准差的正态分布
# normal(平均值, 标准差, (size))
t5 = np.random.normal(0, 1, (3, 4))  # 指定均值和标准差的正态分布
print(t5)
'''
[[-0.61227132 -1.51199316  0.73388842  2.8243283 ][-0.12226332 -1.14841297 -0.17976744 -1.48553538][ 0.54848728 -0.54263611  1.6900577   0.35058451]]

8.np.random.seed()用法

import numpy as npnp.random.seed(10)  # 设定随机种子值。 设定之后，每次执行该程序，生成的是相同的随机数。(电脑是伪随机)
t1 = np.random.randint(0,20,(3,4))
print(t1)  # 多次执行，生成相同的随机数。
'''
[[ 9  4 15  0][17 16 17  8][ 9  0 10  8]]