菜鸟笔记-Numpy函数-full/random.randint/random.choice

full函数

numpy.full 是 NumPy 库中的一个函数，它用于创建一个具有指定形状、数据类型和填充值的数组。此函数非常有用，因为它允许你快速生成一个具有相同值的数组，而无需手动设置每个元素。

1函数介绍

numpy.full(shape, fill_value, dtype=None, order='C')

• shape: 数组的形状，可以是一个整数或整数元组。
• fill_value: 用于填充数组的值。
• dtype: 数组的数据类型。如果未指定，则将从 fill_value 中推断数据类型。
• order: 指定数组在内存中的存储顺序。'C' 表示 C 风格的顺序（行优先），'F' 表示 Fortran 风格的顺序（列优先），'A' 表示原始顺序，'K' 表示元素在内存中的出现顺序。

2示例

示例 1：创建一维数组

import numpy as np  
  
# 创建一个长度为 5 的一维数组，所有元素的值都是 7  
arr = np.full(5, 7)  
print(arr)

 结果输出：

[7 7 7 7 7]

示例 2：创建二维数组

import numpy as np  
  
# 创建一个 2x3 的二维数组，所有元素的值都是 10  
arr = np.full((2, 3), 10)  
print(arr)

输出结果：

[[10 10 10]
 [10 10 10]]

示例 3：指定数据类型

import numpy as np  
  
# 创建一个长度为 3 的一维数组，所有元素的值都是 3.14，数据类型为 float  
arr = np.full(3, 3.14, dtype=float)  
print(arr)

输出结果：

[3.14 3.14 3.14]

import numpy as np

arr = np.full_like([[1,2,3],[4,5,6]],8)
print(arr)

输出结果：

[[8 8 8]
 [8 8 8]]

import numpy as np

arr = np.full_like([[1,2,3],[4,5,6]],[7,8,9])
print(arr)

 [[7 8 9]
 [7 8 9]]

import numpy as np

arr = np.full_like([[1,2,3],[4,5,6]],[[7],[8]])
print(arr)

输出结果：

[[7 7 7]
 [8 8 8]]
 

3注意点

• numpy.full 与 numpy.zeros 和 numpy.ones 有些相似，但 numpy.full 允许你指定填充值，而不仅仅是 0 或 1。
• 在使用 numpy.full 时，请确保你明确知道 fill_value 的数据类型，以避免不必要的数据类型转换。

random.randint函数

numpy.random.randint 是 NumPy 库中用于生成随机整数的函数。这个函数允许你指定一个范围（包括开始和结束值），然后返回在这个范围内均匀分布的随机整数。

1函数介绍

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

• low：生成的随机整数的最小值（包含）。
• high：生成的随机整数的最大值（不包含）。如果未指定，则 high 将被设置为 low 的值，且函数将返回一个等于 low 的随机整数。
• size：输出的形状。如果提供了，则输出将是给定形状的数组。默认是 None，表示返回一个标量。
• dtype：输出数组的数据类型。默认是 np.int（通常是 np.int32 或 np.int64，取决于平台）。

2示例

示例 1：生成单个随机整数

import numpy as np  
  
# 生成一个介于 0（包含）和 10（不包含）之间的随机整数  
random_int = np.random.randint(0, 10)  
print(random_int)

输出结果：

4【输出可能是 0 到 9 之间的任意一个整数。】

示例 2：生成一个随机整数数组

import numpy as np  
  
# 生成一个形状为 (3,) 的数组，包含介于 0 和 10 之间的随机整数  
random_ints = np.random.randint(0, 10, size=(3,))  
print(random_ints)

输出结果类似于：

[5 1 1]

示例 3：生成一个一维随机整数数组

import numpy as np

random_ints_2d = np.random.randint([3,5,7],10)
print(random_ints_2d)

#生成3个随机数，一维数组，分别介于[3,10)、[5,10)、[7,10)之间

类似结果于：

[8 8 9]

例：

import numpy as np

random_ints_2d = np.random.randint(3,[10,100,5])
print(random_ints_2d)

#生成3个随机数，一维数组，分别介于[3,10)、[3,100)、[3,5)之间

类似结果于：

[ 5 41  4]

例：

import numpy as np

random_ints_2d = np.random.randint([3,50,1],[10,100,5])
print(random_ints_2d)

#生成3个随机数，一维数组，分别介于[3,10)、[50,100)、[1,5)之间 

类似结果于：

[ 9 96  1]

示例4：生成一个二维随机整数数组

import numpy as np  
  
# 生成一个形状为 (2, 3) 的二维数组，包含介于 0 和 10 之间的随机整数  
random_ints_2d = np.random.randint(0, 10, size=(2, 3))  
print(random_ints_2d)

输出结果类似于：

[[2 9 0]
 [3 3 9]]

3注意点

• numpy.random.randint 返回的整数是均匀分布的，即在给定范围内，每个整数被选中的概率是相同的。
• 如果你只提供一个参数给 numpy.random.randint，那么它会被当作 high 参数，而 low 默认为 0。例如，np.random.randint(5) 将返回一个介于 0（包含）和 5（不包含）之间的随机整数。
• 生成的随机整数是伪随机数，它们是由一个确定的算法生成的，因此每次你运行相同的代码时，如果随机数生成器的种子没有改变，你将得到相同的随机序列。

random.choice

 numpy.random.choice 用于从给定的一维数组或数字序列中随机选择元素。这个函数在需要随机抽样时非常有用，无论是从一组数值中还是从一个更复杂的一维数组（如字符串列表或对象数组）中。

1函数介绍

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

参数解释

1. a：
   • 类型：1-D array-like or int。
   • 描述：如果 a 是一个整数，则定义从 0 到 a-1（小于a的非负整数） 的整数数组。如果 a 是一个数组，则从 a 中随机抽取元素。
2. size：
   • 类型：整数或整数元组（可选）。
   • 描述：输出数组的形状。如果提供了形状，则函数将返回一个指定形状的数组，其中每个元素都是从 a 中随机选择的。如果未指定（默认为 None），则返回一个标量。
3. replace：
   • 类型：布尔值（可选）。
   • 描述：是否允许替换。如果 True（默认值），则抽取的元素可以重复出现。如果 False，则抽取的元素不会重复出现，直到所有元素都被抽取。
4. p：
   • 类型：1-D array-like（可选）。
   • 描述：与 a 形状相同的序列，用于指定每个元素被抽取的概率。如果没有提供，则假定所有元素具有相同的抽取概率。

返回值

• 类型：ndarray。
• 描述：从 a 中随机抽取的数组，其形状由 size 参数指定。

2示例

示例 1：从整数范围中随机选择

import numpy as np  
  
# 从 0 到 4（包含）中随机选择一个整数  
choice = np.random.choice(5)  
print(choice)

输出结果类似于：

1

例：

import numpy as np

abc=np.random.choice(5,10)
print(abc)

从小于5的非负整数中随机选择10个

输出结果类似于：

[2 4 3 2 0 0 0 3 0 0]

例：

import numpy as np

abc=np.random.choice([80,70,60,10,50,40],(3,5))
print(abc)

 从指定的数据中随机选择15个，输出结果类似于：

[[70 80 40 60 40]
 [70 60 40 80 40]
 [50 80 40 60 70]]

示例 2：从数组中随机选择元素

import numpy as np  
  
# 创建一个数组  
arr = np.array(['apple', 'banana', 'cherry'])  
  
# 从数组中随机选择一个元素  
choice = np.random.choice(arr)  
print(choice)

输出结果类似于：

apple

示例 3：随机选择多个元素（不替换）

import numpy as np  
  
# 创建一个数组  
arr = np.array([1, 2, 3, 4, 5])  
  
# 从数组中随机选择 3 个不重复的元素  
choices = np.random.choice(arr, size=3, replace=False)  
print(choices)

输出结果类似于：

[3 1 2]

示例 4：使用自定义概率进行随机选择

import numpy as np  
  
# 创建一个数组  
arr = np.array(['a', 'b', 'c', 'd'])  
  
# 定义每个元素被选择的概率  
probs = np.array([0.1, 0.1, 0.6, 0.2])  
  
# 根据定义的概率从数组中随机选择一个元素  
choice = np.random.choice(arr, p=probs)  
print(choice)

结果输出类似于：

d

3注意事项

• 当 replace 为 False 时，如果 a 中的元素数量小于 size，则 numpy.random.choice 函数将引发一个 ValueError，因为无法在不替换的情况下抽取足够的唯一元素。
• p 参数必须与 a 的形状相匹配，并且所有概率之和必须为 1。如果未提供 p，则假定所有元素的选择概率相等。
• numpy.random.choice 返回的数组的数据类型与 a 的数据类型相同（或兼容）。