关于Numpy生成数总结(随机整数randint,固定步长arange,分布)
一、np.random.randint
随机生成10个0-20之间的随机整数
import numpy as np np.random.randint(0, 20, 10)
array([11, 8, 17, 17, 0, 1, 9, 10, 16, 17])
二、Numpy.arange
生成固定步长的数:Numpy.arange()
np.arange()函数分为三种情况:
1)一个参数时
参数值为终点,起点取默认值0,步长取默认值1。
生成范围为0-10,步长为1的数据
np.arange(10)
输出:
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
2)两个参数时
第一个参数为起点,第二个参数为终点,步长取默认值1。
生成范围为0-10,步长为1的数据
np.arange(0, 10)
输出:
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
3)三个参数时
第一个参数为起点,第二个参数为终点,第三个参数为步长。其中步长支持小数
生成范围为0-100,步长为10的数据
np.arange(0, 100, 10)
输出:
array([ 0, 10, 20, 30, 40, 50, 60, 70, 80, 90])
生成范围为0-1,步长为0.1的数据
np.arange(0, 1, 0.1)
输出:
array([0. , 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9])
三、指定分布(正态+均匀) 正态分布
Numpy.random.normal(mean, sigma, size)
标准正态分布
均值为0,方差为1,五个数
np.random.normal(0, 1, 5)
输出:
array([ 1.62434536, -0.61175641, -0.52817175, -1.07296862, 0.86540763])
均匀分布
Numpy.random.uniform(low, high, size)
np.random.uniform(1,10,5)
输出:
array([5.47289693, 2.1207332 , 8.72810212, 1.21595415, 5.13489314])
四、其他
添加随机种子,可以使得生成的数据固定
np.random.seed(2022)
总结
以上为个人经验,希望能给大家一个参考,也希望大家多多支持脚本之家。
相关文章
Python中DataFrame与内置数据结构相互转换的实现
pandas 支持我们从 Excel、CSV、数据库等不同数据源当中读取数据,来构建 DataFrame。但有时数据并不来自这些外部数据源,这就涉及到了 DataFrame 和 Python 内置数据结构之间的相互转换,本文就来和大家详细聊聊2023-02-02Python中collections.Counter()的具体使用
本文主要介绍了Python中collections.Counter()的具体使用,文中通过示例代码介绍的非常详细,需要的朋友们下面随着小编来一起学习学习吧2021-07-07python使用openpyxl实现对excel表格相对路径的超链接的创建方式
这篇文章主要介绍了python使用openpyxl实现对excel表格相对路径的超链接的创建方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教2024-03-03
最新评论