numpy 产生随机数的几种方法

在矩阵应用的过程中，经常需要使用随机数，那么怎么使用numpy 产生随机数呢 ，为此专门做一个总结。

random模块用于生成随机数，下面是一些常用的函数用法：
numpy.random.seed(n) 其中n为任意指定

当我们设置相同的seed，每次生成的随机数相同。如果不设置seed，则每次会生成不同的随机数

numpy.random.seed(0)

np.random.seed(0)
a = np.random.rand(4)  
a

array([0.5488135 , 0.71518937, 0.60276338, 0.54488318])

主要介绍了生成符合均匀分布，正态分布等数组和随机选取数以及打乱数组顺序的方法。

1.np.random.rand 生成一个0到1之间的均匀分布

import numpy as np
a = np.random.rand(2,3,4)
print(a,a.shape)

[[[0.18000344 0.03724064 0.15040061 0.93007827]
  [0.59423019 0.35439936 0.49193457 0.37633185]
  [0.83924196 0.4908405  0.49387427 0.98718216]]

 [[0.20072849 0.90163245 0.36710883 0.56668257]
  [0.61402791 0.46602958 0.56086072 0.83099671]
  [0.85196098 0.62774727 0.62826083 0.41739078]]] (2, 3, 4)

2.np.random.randn 返回一个符合标准正态分布的数组。

a = np.random.randn(2,3,4) 
print(a,a.shape)

[[[ 0.32062268  0.08867553 -0.83741647 -0.21917891]
  [-0.06516898 -1.17123767  2.2403833  -0.77741757]
  [ 0.33532261  0.27309929  1.07279005  0.79952468]]

 [[ 0.18503166  0.90777579 -1.52837098 -1.23783753]
  [ 0.9327577   1.61876194  0.52191996  0.53451075]
  [-1.05485337  1.01472352  0.19376936  0.00278223]]] (2, 3, 4)

3.np.random.randint返回一定范围的一维或者多维整数

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

size为数组维度，元组形式，如（2,3）#2行3列

high没有填写时，默认生成随机数的范围是[0，low)

dtype指定数据类型，默认int

a = np.random.randint(low=6,high=10,size=(2,3,4),dtype='int')
print(a,a.shape)

[[[8 8 7 8]
  [8 8 6 9]
  [9 6 7 7]]

 [[7 7 9 8]
  [9 6 6 7]
  [8 9 7 7]]] (2, 3, 4)

4.np.random.choice从给定的一维数组中随机选择数生成随机数

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

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)

a = np.random.choice(a = [3,5,6],size=(2,3,4),replace=True,p=[0.1,0.5,0.4])
print(a,a.shape)

[[[5 6 3 5]
  [6 5 5 5]
  [6 5 6 6]]

 [[5 5 5 3]
  [6 5 6 6]
  [5 6 5 6]]] (2, 3, 4)

5.np.random.normal(loc=0.0, scale=1.0, size=None),生成符合指定分布的正态分布。

a = np.random.normal(loc=4,scale=6,size=(2,3,4))
print(a)

[[[13.19667529 12.81615262  4.92968455  6.26897512]
  [-1.32671449 -7.88477881  1.9125271   4.93809381]
  [11.38174408 11.21427909  1.6760391   2.1861835 ]]

 [[-2.29131779 -4.52010762 -6.23762114 15.70465237]
  [ 0.94208691  1.37155419 -3.51677216  8.66494213]
  [-5.68338709  2.72355832 -1.37279937  6.32141499]]]

6.np.random.random(size=None),生成符合0到1的均匀分布数组。

a = np.random.random((2,3,4))
print(a)

[[[0.19658236 0.36872517 0.82099323 0.09710128]
  [0.83794491 0.09609841 0.97645947 0.4686512 ]
  [0.97676109 0.60484552 0.73926358 0.03918779]]

 [[0.28280696 0.12019656 0.2961402  0.11872772]
  [0.31798318 0.41426299 0.0641475  0.69247212]
  [0.56660145 0.26538949 0.52324805 0.09394051]]]

7. np.random.ranf(size=None),生成符合0到1的均匀分布数组。

a = np.random.ranf((10))
a

array([0.82894003, 0.00469548, 0.67781654, 0.27000797, 0.73519402,
       0.96218855, 0.24875314, 0.57615733, 0.59204193, 0.57225191])

8.np.random.uniform(low=0.0, high=1.0, size=None)，生成符合指定均匀分布的数组

g=np.random.uniform(-1,1,10)#指定均匀分布
print(g)

[ 0.07315842  0.79334259  0.98067789 -0.56620603  0.32615641 -0.47335525
 -0.958698    0.51675731 -0.3599657  -0.23307221]

9.np.random.shuffle(x),随机打乱数组顺序

a = np.arange(10)
np.random.shuffle(a)
print(a)

[6 3 4 9 0 8 1 5 2 7]

10. 产生其他分布的函数

• binomial() ,二项分布
• chisquare(),卡方分布
• poisson(),泊松分布
• uiform(),均匀分布
• normal(),正态分布

到此这篇关于numpy 产生随机数的几种方法的文章就介绍到这了,更多相关numpy 产生随机数内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

最新评论