注:为介绍方便,本文将numpy简化为np
主要可关注两点:
1,随机生成的范围,“[”与“)”
2,随机生成的数据类型
3,随机生成数是否可控
内容介绍
一、随机生成浮点数
1.1 生成(0,1)之间的浮点数
区别在于:维度的表示方式上,1.1.1是直接表示,其他的是使用size=()
1.1.1 numpy.random.rand()
直接是维度,不需要size=()
实例:
1.1.2 numpy.random.random_sample(size=None)
使用size=()确定维度
实例:
1.1.3 numpy.random.random(size=None)
1.1.4 numpy.random.ranf(size=None)
1.1.5 numpy.random.sample(size=None)
1.2 符合正太分布的浮点数
1.2.1 np.random.randn()
与 np.random.rand()类似,直接表示维数,且空表示一个数
二、随机生成整数
2.1 numpy.random.randint ()
表示:numpy.random.randint (low,high,size)
范围:[0,low) 或者 [low,high)之间的整数,
实例:
2.2 numpy.random.random_integers()
表示:numpy.random.random_integers(low,high,size)
范围:[1,low) 或者 [low,high]之间的整数
实例:(一般只是用上面的,这个不常用)
三、随机生成数可控
3.1 numpy.random.choice()
属于自主定义型
3.1.1 使用方式
numpy.random.choice(a, size=None, replace=True, p=None)
a可以是整数、或者数组
size确定维度
replace表示是否重复
p设置每个数出现的概率,应与a维数相同,且和为1
3.1.2 实例
3.2 numpy.random.seed()
控制随机生成的数值
3.2.1 使用方式
若想生成相同的随机序列,需要将numpy.random.seed() 与前面的配合使用。
形如:
numpy.random.seed(num)
numpy.random.randint(num)
3.2.2 实例
当seed中的值为空时:
当seed中的值为固定值: