python之random库详解

1.基础random库

伪随机数：计算机中通过采用梅森旋转算法生成的（伪）随机序列元素,Python中产生随机数使用随机数种子来产生      （只要种子相同，产生的随机序列，无论是每一个数，还是数与数之间的关系都是确定的，所以随机数种子确定了随机序列的产生）

因为是标准库，使用时候只需要import random

random库包含两类函数，常用的共8个

        --基本随机函数： seed(), random()

seed(a=None)	初始化给定的随机数种子，默认为当前系统时间
random()	生成一个[0.0,1.0)之间的随机小数

        --扩展随机函数：randint(), getrandbits(), uniform(), randrange(), choice(), shuffle()

randint(a,b)	生成一个[a,b]之间的整数
randrange(m,n,k)	生成一个[m,n)之间以k为步长的随机整数
getrandbits(k)	生成一个k比特长的随机整数
uniform(a,b)	生成一个[a,b]之间的随机小数
choice(seq)	从序列中随机选择一个元素  random.choice([1, 2, 3, 4, 5, 6, 7, 8, 9])
shuffle(seq)	将序列seq中元素随机排列,返回打乱后的序列

2.numpy中的random库

常见随机数产生：

np.random.rand(d0,d1,..dn)	建立d0,d1...dn维随机数数组，其元素是浮点数，[0,1)均匀分布
np.random.randn(d0,d1,..dn)	建立d0,d1...dn维随机数数组，其元素是浮点数，标准正态分布
np.random.randint(low[,high,shape])	根据shape创建随机整数数组，[low,high),若high=none，则为[0,low)
np.random.random_integers(low[,high,size])	生成闭区间[low,high]上离散均匀分布的整数值;若high=None，则取值区间变为[1,low]
np.random.seed(s)	s是给定种子

 

a=np.random.randn(2,3)
b=np.random.randint(5,size=(2,3))

 

若要将【a,b】区间分成N等分，也可以用此函数实现
a+(b-a)*(numpy.random.random_integers(N)-1)/(N-1) 

对数组进行顺序打乱：

np.random.shuffle()	多维矩阵中，只对第一维（行）做打乱顺序操作 训练时会对样本顺序进行打乱
np.random.permutation()	与shuffle类似，只是不改变原数组
np.random.choice(a[,size,replace,p])	若a为数组，则从a中选取元素；若a为单个int类型数，则选取range(a)中的数 replace是bool类型，为True，则选取的元素会出现重复；反之不会出现重复 p为数组，里面存放选到每个数的可能性，即概率

a=np.random.randint(100,200,(3,4))

a
Out[102]: 
array([[115, 153, 180, 127],
       [144, 177, 175, 165],
       [147, 130, 184, 186]])

np.random.shuffle(a)

a //改变了a本身，并且是对第一维整体进行打乱
Out[104]: 
array([[147, 130, 184, 186],
       [115, 153, 180, 127],
       [144, 177, 175, 165]])

产生常见且特殊分布： 

np.random.uniform(low,high,size)	产生具有均匀分布的数组
np.random.normal(loc,scale,size)	产生具有正太分布的数组，loc均值，scale标准差，size形状
np.random.poisson(lam,size)	产生具有泊松分布的数组，lam是随机事件发生概率，size形状