随机数模块numpy.random

将数组打乱随机排列 两种方法：

1. np.random.shuffle(x)：在原数组上进行，改变自身序列，无返回值。
2. np.random.permutation(x)：不在原数组上进行，返回新的数组，不改变自身数组。

1. np.random.shuffle(x)

(1)、一维数组

import numpy as np

arr = np.arange(10)
print(arr)

np.random.shuffle(arr)
print(arr)

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

(2)、对多维数组进行打乱排列时，默认是列维度。

arr=np.arange(12).reshape(3,4)
print(arr)
print('******')
np.random.shuffle(arr)
print(arr)

[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
******
[[ 8  9 10 11]
 [ 0  1  2  3]
 [ 4  5  6  7]]

2. np.random.permutation(x)

(1)、可直接生成一个随机排列的数组

ar=np.random.permutation(10)
print(ar)

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

(2)、一维数组

ar=np.random.permutation([1, 4, 9, 12, 15])
print(ar)
#[15  9 12  4  1]

(3)、多维数组

arr=np.arange(9).reshape(3,3)
print(arr)
print('***********')
arr2=np.random.permutation(arr)
print(arr2)

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

随机数种子

RandomState

RandomState exposes a number of methods for generating random numbersdrawn from a variety of probability distributions.
prng = np.random.RandomState(123456789) # 定义局部种子
prng.rand(2, 4)

prng.chisquare(1, size=(2, 2)) # 卡方分布
prng.standard_t(1, size=(2, 3)) # t 分布
prng.poisson(5, size=10) # 泊松分布

numpy.random.rand()

numpy.random.rand(d0,d1...dn)

• rand函数根据给定维度生成半开区间[0,1)之间的数据，包含0，不包含1
• dn表示每个维度
• 返回值为指定纬度的numpy.ndarray

>>> np.random.rand(3, 3) # shape: 3*3

array([[0.94340617, 0.96183216, 0.88510322],
       [0.44543261, 0.74930098, 0.73372814],
       [0.29233667, 0.3940114 , 0.7167332 ]])

from numpy import random
x = random.rand(2, 3)
print(x)
[[ 0.1169922   0.08614147  0.17997144]
 [ 0.5694889   0.43067372  0.62135592]]
x, y = random.rand(2, 3)
print(x)
print(y)
[ 0.60527337  0.78765269  0.71884661]
[ 0.67420571  0.946359    0.7632273 ]

numpy.random.randint()

randint(low[, high, size, dtype])Return random integers from low (inclusive) to high (exclusive).

• 从区间[low,high）返回随机整形
• 参数：low为最小值，high为最大值，size为数组维度大小，dtype为数据类型，默认的- 数据类型是np.int
• high没有填写时，默认生成随机数的范围是[0，low)

raw_user_item_mat = np.random.randint(0, 10, size=(3,4))     #指定生成随机数范围和生成的多维数组大小
print(raw_user_item_mat)
[[2 1 3 6]
 [8 9 1 6]
 [7 0 1 8]]


>>> np.random.randint(1, size = 10) # 返回[0, 1)之间的整数，所以只有0

array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])

>>> np.random.randint(1, 5) # 返回[1, 5)之间随机的一个数字

2

np.random.randn()

numpy.random.randn(d0,d1,…,dn)

• randn函数返回一个或一组样本，具有标准正态分布。
• dn表示每个维度
• 返回值为指定维度的numpy.ndarray

>>> np.random.randn() # 当没有输入参数时，仅返回一个值

-0.7377941002942127

>>> np.random.randn(3, 3)

array([[-0.20565666,  1.23580939, -0.27814622],
       [ 0.53923344, -2.7092927 ,  1.27514363],
       [ 0.38570597, -1.90564739, -0.10438987]])

>>> np.random.randn(3, 3, 3)

array([[[ 0.64235451, -1.64327647, -1.27366899],
        [ 0.69706885,  0.75246699,  2.16235763],
        [ 1.01141338, -0.19188666,  0.07684428]],

       [[ 1.34367043, -0.76837057,  0.27803575],
        [ 0.97007349,  0.41297538, -1.65008923],
        [-3.78282033,  0.67567421, -0.0753552 ]],

       [[-0.86540385,  0.14603592,  0.29318291],
        [-0.8167798 , -0.25492782, -0.58758   ],
        [ 0.02612474,  0.17882535, -0.95483945]]])

标准正态分布介绍：标准正态分布—-standard normal distribution；标准正态分布又称为u分布，是以0为均值、以1为标准差的正态分布，记为N（0，1）。

numpy.random.choice()

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

• 从给定的一位数组中生成一个随机样本
• a要求输入一维数组类似数据或者是一个int；size是生成的数组纬度，要求数字或元组；replace为布尔型，决定样本是否有替换；p为样本出现概率,p中概率和必须为1。

>>> np.random.choice(5, 3) # 这个等同于np.random.randint(0,5,3)

array([0, 3, 4])

>>> np.random.choice(5, 3, p=[0.1, 0, 0.3, 0.6, 0])

array([3, 3, 0])

>>> np.random.choice(5, 3, replace=False)

array([3,1,0])

>>> np.random.choice(5, 3, replace=False, p=[0.1, 0, 0.3, 0.6, 0])

array([2, 3, 0])

>>> aa_milne_arr = ['pooh', 'rabbit', 'piglet', 'Christopher']
>>> np.random.choice(aa_milne_arr, 5, p=[0.5, 0.1, 0.1, 0.3])

array(['pooh', 'pooh', 'pooh', 'Christopher', 'piglet'],
      dtype='|S11')

#a为整数时，对应的一维数组是np.arange(a)
#第一个参数值5对应的a,即传入的数据组
#第二个参数3就是数组的size，传入单值时，数据维度是一维的
#此处将生成一个一维数据包含3个小于5的整数的数组
In [18]: np.random.choice(5,3)
Out[18]: array([2, 0, 3])
#给数组中每个数据出现的概率赋值
In [19]: np.random.choice(5, 3, p=[0.1, 0, 0.3, 0.6, 0])
Out[19]: array([3, 3, 0], dtype=int64)
#repalce参数为是否可以重复，当设置为FALSE时，不能出现重复的数据
In [21]: np.random.choice(5, 4, replace=False)
Out[21]: array([3, 2, 1, 4])
In [22]: np.random.choice(5, 5, replace=False)
Out[22]: array([4, 0, 3, 1, 2])
In [23]: np.random.choice(5, 3, replace=False, p=[0.1, 0, 0.3, 0.6, 0])
Out[23]: array([3, 0, 2])
#也可以传入非数字、字符串的数组
In [24]: demo_list = ['lenovo', 'sansumg','moto','xiaomi', 'iphone']

In [25]: np.random.choice(demo_list,size=(3,3))
Out[25]:
array([['lenovo', 'sansumg', 'sansumg'],
       ['sansumg', 'iphone', 'iphone'],
       ['lenovo', 'lenovo', 'xiaomi']],
      dtype='<U7')

numpy.random.random_sample()

numpy.random.random_sample(size=None)
-从[0.0, 1.0)的半开区间返回浮点数

>>> np.random.random_sample()

0.47108547995356098

>>> np.random.random_sample((5,))

array([ 0.30220482,  0.86820401,  0.1654503 ,  0.11659149,  0.54323428])

>>> 5 * np.random.random_sample((3, 2)) - 5

array([[-3.99149989, -0.52338984],
       [-2.99091858, -0.79479508],
       [-1.23204345, -1.75224494]])

numpy.random.seed()生成随机数的种子，使得每次生成随机数相同

np.random.seed()的作用：使得随机数据可预测。
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
seed( ) 用于指定随机数生成时所用算法开始的整数值，如果使用相同的seed( )值，
则每次生成的随即数都相同，如果不设置这个值，则系统根据时间来自己选择这个值，
此时每次生成的随机数因时间差异而不同。

In [26]: np.random.seed(0)
    ...: np.random.rand(5)
    ...:
Out[26]: array([ 0.5488135 ,  0.71518937,  0.60276338,  0.54488318,  0.4236548 ])
#不同的随机数种子下的rand生成的随机数组的值不等
In [27]: np.random.seed(1000)
    ...: np.random.rand(5)
    ...:
Out[27]: array([ 0.65358959,  0.11500694,  0.95028286,  0.4821914 ,  0.87247454])
#继续输入随机种子为1000下生成的随机数组
In [29]: np.random.seed(1000)
    ...: np.random.rand(5)
    ...:
Out[29]: array([ 0.65358959,  0.11500694,  0.95028286,  0.4821914 ,  0.87247454])

from numpy import *
num=0
while(num<5):
    random.seed(15)
    print(random.random())
    num+=1

'''
0.8488176972685787
0.8488176972685787
0.8488176972685787
0.8488176972685787
0.8488176972685787
'''

num=0
random.seed(10)
while(num<5):
    print(random.random())
    num+=1
'''
0.771320643266746
0.0207519493594015
0.6336482349262754
0.7488038825386119
0.4985070123025904
''' 

random.seed(something)只能是一次有效。

特定分布

numpy.random能产生特定分布的随机数，如normal分布、uniform分布、poisson分布等
这些函数中前面几个参数是分布函数的参数，最后一个参数是shape
如正态分布normal就是均值和方差，uniform就是上下界，泊松分布就是λ

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 np

In[2]: np.random.uniform()  # 默认为0到1
Out[2]: 0.827455693512018

In[3]: np.random.uniform(1,5)
Out[3]: 2.93533586182789

In[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 ])