numpy random类

原文转载于:https://blog.csdn.net/akadiao/article/details/78252840

numpy中利用random类获取随机数.

numpy.random.random() 生成随机浮点数

默认为生成一个随机的浮点数,范围是在0.0~1.0之间,也可以通过参数size设置返回数据的size;

生成一个随机的浮点数:

import numpy
n = numpy.random.random()
print n
  • 1
  • 2
  • 3

输出:

0.429489486421
  • 1

设置参数size:

import numpy
n = numpy.random.random(size=(3, 2))
print n
  • 1
  • 2
  • 3

输出:

[[ 0.32018625  0.22410508]
 [ 0.57830333  0.74477335]
 [ 0.08333105  0.48533304]]
  • 1
  • 2
  • 3

numpy.random.randint() 产生随机整数

API: randint(low, high=None, size=None, dtype=’l’) 
numpy.random.randint()随机生一个整数int类型,可以指定这个整数的范围

import numpy as np
print np.random.randint(8)
print np.random.randint(5, size=3)
print np.random.randint(6, size=(3,2))
  • 1
  • 2
  • 3
  • 4

输出:

4
[1 1 3]
[[2 4]
 [5 4]
 [3 0]]
  • 1
  • 2
  • 3
  • 4
  • 5

指定范围:

import numpy as np
print np.random.randint(low=5, high=10, size=3)
  • 1
  • 2

输出:

[7 5 5]
  • 1

numpy.random.normal()  高斯分布随机数

API: normal(loc=0.0, scale=1.0, size=None) 
loc:均值,scale:标准差,size:抽取样本的size

import numpy
n = numpy.random.normal(loc=0.0, scale=1, size=(2, 3))
print n
  • 1
  • 2
  • 3

输出:

[[-0.15040995 -0.43780718 -0.22292445]
 [-0.89388124 -0.39465164  0.24113838]]
  • 1
  • 2

numpy.random.randn() 标准正态分布随机数

numpy.random.randn(d0, d1, …, dn)函数: 
从标准正态分布中返回一个(d0*d1* …* dn)维样本值

例1:

import numpy as np
print np.random.randn(4, 2)
  • 1
  • 2

输出:

[[-1.88753851 -2.54412195]
 [ 0.51856343 -1.07733711]
 [ 1.05820592 -0.23889217]
 [ 0.73309062  0.42152066]]
  • 1
  • 2
  • 3
  • 4

例2:

import numpy as np
print np.random.randn(4, 2, 3)
  • 1
  • 2

输出:

[[[-1.00477835  1.16919912 -1.28299362]
  [ 0.0645336   0.19143397 -0.16957401]]

 [[-1.45250491 -0.51844037 -0.01241654]
  [ 0.41427599  0.19469926 -0.92450654]]

 [[-1.90133606  1.23554382 -1.37775698]
  [-0.98110245  0.3562373  -0.27816068]]

 [[ 1.0380202   0.24293181  0.5341542 ]
  [-0.62945999  1.62233629 -0.07299065]]]
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11

numpy.random.rand() 生成[0, 1)间随机数

numpy.random.rand(d0, d1, …, dn)函数: 
生成一个(d0*d1* …* dn)维位于[0, 1)中随机样本

例:

import numpy as np
print np.random.rand(2,3)
  • 1
  • 2

输出:

[[ 0.06112299  0.02476706  0.04235452]
 [ 0.47891264  0.68831817  0.31309659]]
  • 1
  • 2

numpy.random.shuffle() 随机打乱序列

numpy.random.shuffle() 将序列的所有元素随机排序 
<传入参数可以是一个序列或者元组>

import numpy as np
x = range(0, 8, 1)
print x
np.random.shuffle(x)
print x
  • 1
  • 2
  • 3
  • 4
  • 5

输出:

[0, 1, 2, 3, 4, 5, 6, 7]

[2, 3, 5, 4, 1, 7, 0, 6]
  • 1
  • 2
  • 3

numpy.random.choice() 随机选取序列的一个元素

numpy.random.choice()可以从序列(字符串、列表、元组等)中随机选取,返回一个列表,元组或字符串的随机项。

import numpy as np
print np.random.choice(['a','b','c','d','e'])
  • 1
  • 2

输出:

c
  • 1
print np.random.choice(5, 6)
  • 1

输出(6个小于5的元素):

[2 3 3 3 1 2]
  • 1

p:每个条目出现的概率。如果没有,假设样本在A中的所有条目都具有均匀分布。

import numpy as np
print np.random.choice(5, 3, p=[0.1, 0, 0.3, 0.6, 0])
  • 1
  • 2

(p=[0.1, 0, 0.3, 0.6, 0]即出现0 1 2 3 4的概率分别是[0.1, 0, 0.3, 0.6, 0])

输出:

[0 3 2]
  • 1
import numpy as np
ss = ['pooh', 'rabbit', 'piglet', 'Christopher']
print np.random.choice(ss, 5, p=[0.5, 0.1, 0.1, 0.3])
  • 1
  • 2
  • 3

输出:

['Christopher' 'piglet' 'pooh' 'piglet' 'Christopher']
  • 1

numpy.random.binomial() 二项分布采样

numpy.random.RandomState.binomial(n, p, size=None)表示对一个二项分布进行采样,s为成功次数 
 P(N)=CsnPs(1P)ns P(N)=CnsPs(1−P)n−s

size:采样的次数,n p即式中的n p;函数的返回值表示n中发生/成功的次数s. 
如:当n=5,p=0.2,size=1000,即5个事件每个发生的概率为0.2,则5个同时发生的概率,采样size=1000次:

 P(p=0.2)=C55p5(1p)0=0.32 P(p=0.2)=C55p5(1−p)0=0.32

import numpy as np
print sum(np.random.binomial(5, 0.2, size=10000)==0)/10000.
  • 1
  • 2

可得:

0.3246
  • 1

很接近手动计算结果.

numpy.random.RandomState() 指定种子值

numpy.random.RandomState()指定种子值(指定种子值是为了使同样的条件下每次产生的随机数一样,避免程序调试时由随机数不同而引起的问题) 
如不设置种子值时,np.random.randint(8)可能产生0-7内的任意整数,且每次产生的数字可能是任意一种. 
而设置种子值后,np.random.RandomState(0).randint(8)可能产生0-7内的任意整数,但种子值不变时每次运行程序产生的数字一样.

产生随机整数:

import numpy as np
print np.random.RandomState(0).randint(8)
  • 1
  • 2

输出:

4
  • 1

生成随机浮点数:

import numpy
n1 = numpy.random.RandomState(0).random_sample()
n2 = numpy.random.RandomState(0).random_sample(size=(2,3))
print n1,n2
  • 1
  • 2
  • 3
  • 4

输出:

0.548813503927 
[[ 0.5488135   0.71518937  0.60276338]
 [ 0.54488318  0.4236548   0.64589411]]

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值