一、Python内建库random的使用
import random
- 产生1个n~m范围内的int型随机数:
random.randint(n,m)
random.randint(1,5)
- 产生1个n~m之间的float型随机数:
random.uniform(n, m)
random.uniform(n, m)
- 产生1个0~1之间的float型随机数:
random.random()
random.random()
- 产生1个从n~m间隔为k的int型整数:
random.randrange(n,m,k)
random.randrange(n,m,k)
- 从序列中随机选取1个元素:
random.choice(list)
random.choice([1, 2, 3.4, 4.2, 5.6, 6])
- 列表乱序操作:
random.shuffle(list)
;注:该函数无返回值,直接对原列表进行了修改
a = [1,3,5,6,7]
# 或 a = np.array([1,3,5,6,7])
random.shuffle(a)
二、Numpy产生随机数array
import numpy as np
【0~1均匀分布float向量或数组】: 产生n个0-1之间的随机数:
np.random.random(n)
np.random.random(n)
还有一种功能相同的方式是: np.random.rand(d1,d2,d3,...,dn)
np.random.rand(2,3,5)
如产生一个2×3×5
维的0~1之间均匀分布的随机数数组如下
random
和rand
的算法完全相同,仅在于传参方式不同,之所以设定rand可能是由于历史原因和matlab有关,详细参考stackoverflow解答。
【n-m均匀分布int向量or数组】:产生n~m之间的个int型随机数数组:
np.random.randint(n,m,size=d)
np.random.randint(n,m,size=d)
np.random.randint(n,m,size=(d1,d2,...))
【 N ( 0 , 1 ) N(0, 1) N(0,1)正态分布float数组】: 产生N维服从 N ( 0 , 1 ) 的 N(0, 1)的 N(0,1)的正态分布的随机数:
np.random.randn(d1,d2,...,dn)
np.random.randn(2,3,4)
如产生一个2×3×4
维的服从
N
(
0
,
1
)
的
N(0, 1)的
N(0,1)的正态分布的随机数数组如下,我们可以看到只有少量在[-1,1]
之外的随机数:
【随机抽取】:
np.random.choice(list_or_array, size=None, replace=True, p=None)
这个choice的功能相比python内建的choice功能更强大,可以自定义每个元素被抽取概率以及是否有放回抽取
- size:数组或列表的大小,1维填整数,多维填
(d1,d2,....)
- replace:是否是有放回抽取,True表示有,则可能多次抽取到重复值,False则不会抽取到重复值
- p:列表或数组每个元素被抽取的概率prob,填写方式p=[p1,p2,…],保证总概率=1即可
numpy.random.choice(a, size=None, replace=True, p=None)
【参考文献】:
[1] https://blog.csdn.net/zq476668643/article/details/95219453.
[2] Stackoverflow解答.