Numpy教程：Numpy.random模块使用（新）

前言

本文介绍版本：Numpy1.22

在numpy1.17开始，Generator代替RandomState，但是网上的博客多比较老，还都是介绍的RandomState，写这篇文章介绍一下新的numpy.random的基本使用。以下展示的是新版Generator和旧版RandomState的比较：

numpy.random官方文档：numpy.random

---

创建

随机数的产生需要先创建一个随机数生成器（Random Number Generator）
然后可以使用生成器（Generator）的函数方法创建。

使用random()函数返回一个在0~1的随机浮点值：

import numpy as np
rng = np.random.default_rng(123)# 创建一个种子为123的生成器，可以为空，空时会随机分配一个种子。
print(rng)
# Generator(PCG64)

rfloat = rng.random()
print(rfloat)
# 0.6823518632481435

---

使用

在使用时创建好上述的rng

1、创建指定维度数组

想创建指定维度的数组，可以向random()函数传入元组，其值等于你想要的shape。返回的值依旧是0~1的浮点值，

ndarr=rng.random((3,2))
ndarr
'''
array([[0.68235186, 0.05382102],
       [0.22035987, 0.18437181],
       [0.1759059 , 0.81209451]])
      '''

ndarr.shape
# (3, 2)

2、创建随机一维整数

rints = rng.integers(low=0, high=10, size=3)
print(rints)
# array([6, 2, 7])

integers(low[, high, size, dtype, endpoint])
返回从low(包括)到high(不包括)的随机整数，或者如果endpoint=True，则返回low(包括)到high(包括)的随机整数。

3、随机选择

rng.choice([[0, 1, 2], [3, 4, 5], [6, 7, 8]], 2)
'''
array([[3, 4, 5], 
       [0, 1, 2]])
'''

choice(a[, size, replace, p, axis, shuffle])
从给定数组生成随机样本
注意a可以为整型，也可以是ndarray,list,tuple

4、随机排列

想打乱数组，numpy有两个函数可以做到，一个是shuffle()，另一个是permutation()

shuffle()和permutation()的区别：
 
shuffle()会改变输入的数组；输入的参数可以是array，list等序列，但是不能是int。
permutation()不会改变输入的数组，会返回一个数组的copy；输入的参数可以是int，numpy会自动将int用arange()转换。

arr = np.arange(10)
rng.shuffle(arr)
arr
[5, 3, 4, 1, 9, 8, 2, 7, 0, 6] # random

rng.permutation(10)
# array([5, 3, 4, 1, 9, 8, 2, 7, 0, 6])

shuffle(x[, axis])
通过变换数组或序列的内容修改原有数组或序列。

permutation(x[, axis])
随机置换一个序列，或者返回一个置换后的范围。

---

分布

函数	解释
beta(a, b[, size])	从 Beta 分布中抽取样本。
binomial(n, p[, size])	从二项分布中抽取样本。
exponential([scale, size])	从指数分布中抽取样本。
geometric(p[, size])	从几何分布中抽取样本
logistic([loc, scale, size])	从逻辑分布中抽取样本。
normal([loc, scale, size])	从正态(高斯)分布中抽取随机样本。
standard_normal([size, dtype, out])	从标准正态分布（平均值=0，标准差=1）中抽取样本。