Numpy的random函数

最新推荐文章于 2022-09-15 11:21:13 发布

aqiangdeba

最新推荐文章于 2022-09-15 11:21:13 发布

阅读量8.8k

点赞数 5

原文链接：https://www.jianshu.com/p/214798dd8f93

版权

1 numpy.random.rand()

rand函数根据给定维度生成[0,1)之间的数据，包含0，不包含1

np.random.rand(4,2)
array([[ 0.02173903,  0.44376568],
       [ 0.25309942,  0.85259262],
       [ 0.56465709,  0.95135013],
       [ 0.14145746,  0.55389458]])
np.random.rand(5,2,1) # shape: 5*2*1
[[[0.13426113]
  [0.5738006 ]]

 [[0.85784551]
  [0.05269275]]

 [[0.86880688]
  [0.37099709]]

 [[0.54608839]
  [0.91435269]]

 [[0.88770272]
  [0.87882851]]]

2 numpy.random.randn()

randn函数返回一个或一组样本，具有标准正态分布。

np.random.randn() # 当没有参数时，返回单个数据
-0.8551669607679545

np.random.randn(4,4)
[[-0.87892643 -2.12656234  0.15374849  1.81440532]
 [ 1.36473622  0.96945281 -1.12713869  0.48349723]
 [-0.37970438 -0.59874916  0.03270393 -0.9511694 ]
 [ 0.17007518 -0.65737696  1.01030357  0.17282837]]

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）

3 numpy.random.randint()

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

返回随机整数，范围区间为[low,high），包含low，不包含high
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)

np.random.randint(1,size=5) # 返回[0,1)之间的整数，所以只有0
array([0, 0, 0, 0, 0])
np.random.randint(1,5) # 返回1个[1,5)时间的随机整数
4
np.random.randint(-5,5,size=(2,2))
array([[ 2, -1],
       [ 2,  0]])

3.2 numpy.random.random_integers(已被替换)

numpy.random.random_integers(low, high=None, size=None)

返回随机整数，范围区间为[low,high]，包含low和high
参数：low为最小值，high为最大值，size为数组维度大小
high没有填写时，默认生成随机数的范围是[1，low]

4 生成[0,1)之间的浮点数

numpy.random.random_sample(size=None)
numpy.random.random(size=None)
numpy.random.ranf(size=None)
numpy.random.sample(size=None)

print('-----------random_sample--------------')
print(np.random.random_sample(size=(2,2)))
print('-----------random--------------')
print(np.random.random(size=(2,2)))
print('-----------ranf--------------')
print(np.random.ranf(size=(2,2)))
print('-----------sample--------------')
print(np.random.sample(size=(2,2)))

-----------random_sample--------------
[[ 0.34966859  0.85655008]
 [ 0.16045328  0.87908218]]
-----------random--------------
[[ 0.25303772  0.45417512]
 [ 0.76053763  0.12454433]]
-----------ranf--------------
[[ 0.0379055   0.51288667]
 [ 0.71819639  0.97292903]]
-----------sample--------------
[[ 0.59942807  0.80211491]
 [ 0.36233939  0.12607092]]

5 numpy.random.choice()

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

从给定的一维数组中生成随机数
参数： a为一维数组类似数据或整数；size为数组维度；p为数组中的数据出现的概率
a为整数时，对应的一维数组为np.arange(a)

np.random.choice(5,3)
array([4, 1, 4])
np.random.choice(5, 3, replace=False)
# 当replace为False时，生成的随机数不能有重复的数值
array([0, 3, 1])
np.random.choice(5,size=(3,2))
array([[1, 0],
       [4, 2],
       [3, 3]])
demo_list = ['lenovo', 'sansumg','moto','xiaomi', 'iphone']
np.random.choice(demo_list,size=(3,3))
array([['moto', 'iphone', 'xiaomi'],
       ['lenovo', 'xiaomi', 'xiaomi'],
       ['xiaomi', 'lenovo', 'iphone']],
      dtype='<U7')

参数p的长度与参数a的长度需要一致；
参数p为概率，p里的数据之和应为1

demo_list = ['lenovo', 'sansumg','moto','xiaomi', 'iphone']
np.random.choice(demo_list,size=(3,3), p=[0.1,0.6,0.1,0.1,0.1])
array([['sansumg', 'sansumg', 'sansumg'],
       ['sansumg', 'sansumg', 'sansumg'],
       ['sansumg', 'xiaomi', 'iphone']],
      dtype='<U7')