Numpy中的random.randint(), random.choice(), ones_like()函数用法详解

numpy.random.randint()

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

用于返回一个或一组[low,high)的随机整数
其中high, size, dtype都是可选参数，

high:是上界，如果不传入high，则返回[0,low]的整数

size:是返回的整数的形式，可以为一维，二维等等元组，如果不传入size，默认返回一个整数

dtype:定义返回值的类型，默认为int

例子：

>>>import numpy
>>>tuple=numpy.random.randint(2,10,(2,3),int)
>>>tuple
array([[4, 5, 8],
       [8, 6, 8]])

---

numpy.random.choice()

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

用于从a中，遵从概率p，选出size个样本来
其中size, replace, p都是可选参数

a:一个1~N维数组，或是一个整型数，如果是数组，则从这个数组中随机抽取样本，如果是一个整型数，则在由numpy.arrange(a)的一维数组中抽取

size:返回的形式，可以为一维，二维等等元组，如果不传入size，默认返回一个整数

replace:决定抽取过程是否可放回

p:为a中的诸个数据项设定概率分布，如果没有给出则是一个均匀分布

例子

>>>import numpy as np
>>>array=numpy.random.choice(5,3,False,[0.1,0.3,0.2,0.2,0.2])
>>>array
array([4, 3, 0])

---

numpy.ones_like()

numpy.ones_like(a,dtype=None,order='K',subok=True,shape=None)

用于返回一个用1填充的，和输入数组相同形状的数组
除了a都是可选的

a:用于模仿的目标数组

dtype:决定输出的数据类型

order:{‘C’, ‘F’, ‘A’, or ‘K’} 覆盖结果的内存布局。’ C ‘表示C阶，’ F ‘表示F阶，如果A是Fortran连续的，’ A ‘表示F，否则’ C '表示F。“K”表示尽可能地匹配a的布局。

subok:一个bool值，如果为真，则新创建的数组将使用a的子类类型，否则它将是一个基类数组。默认值为True。

shape:一个整数或者其序列，用于覆盖输出的数组形状

一般来说，只需要关注a这个参数就好了，后边几个一般用不到
例子

>>>import numpy as np
>>>target_array=np.array([[2,1,4],[2,54,8]])
>>>array=np.ones_like(target_array)
>>>array
array([[1, 1, 1],
       [1, 1, 1]])