numpy.random

最新推荐文章于 2024-04-09 15:10:54 发布
最新推荐文章于 2024-04-09 15:10:54 发布
阅读量107 收藏
点赞数 2
分类专栏： Python
原文链接：https://blog.csdn.net/u012149181/article/details/78913167
版权

在python数据分析的学习和应用过程中，经常需要用到numpy的随机函数，由于随机函数random的功能比较多，经常会混淆或记不住，下面我们一起来汇总学习下。

import numpy as np

1 numpy.random.rand()

numpy.random.rand(d0,d1,…,dn)

  • 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
  • dn表格每个维度
  • 返回值为指定维度的array
np.random.rand(4,2)

 
 

 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     array(
     
     [[ 0.02173903,  0.44376568],
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
           
     
     [ 0.25309942,  0.85259262],
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
           
     
     [ 0.56465709,  0.95135013],
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
           
     
     [ 0.14145746,  0.55389458]])
    
    
    
   
   

 
 
np.random.rand(4,3,2) # shape: 4*3*2

 
 

 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     array(
     
     [[[ 0.08256277,  0.11408276],
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
            
     
     [ 0.11182496,  0.51452019],
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
            
     
     [ 0.09731856,  0.18279204]],
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
           
     
     [[ 0.74637005,  0.76065562],
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
            
     
     [ 0.32060311,  0.69410458],
    
    
    
   
   
  7. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
            
     
     [ 0.28890543,  0.68532579]],
    
    
    
   
   
  8. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  9. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
           
     
     [[ 0.72110169,  0.52517524],
    
    
    
   
   
  10. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
            
     
     [ 0.32876607,  0.66632414],
    
    
    
   
   
  11. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
            
     
     [ 0.45762399,  0.49176764]],
    
    
    
   
   
  12. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  13. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
           
     
     [[ 0.73886671,  0.81877121],
    
    
    
   
   
  14. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
            
     
     [ 0.03984658,  0.99454548],
    
    
    
   
   
  15. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
            
     
     [ 0.18205926,  0.99637823]]])

2 numpy.random.randn()

numpy.random.randn(d0,d1,…,dn)

  • randn函数返回一个或一组样本，具有标准正态分布。
  • dn表格每个维度
  • 返回值为指定维度的array
np.random.randn() # 当没有参数时，返回单个数据

 
 
-1.1241580894939212

 
 
np.random.randn(2,4)

 
 

 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     array(
     
     [[ 0.27795239, -2.57882503,  0.3817649 ,  1.42367345],
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
           
     
     [-1.16724625, -0.22408299,  0.63006614, -0.41714538]])
    
    
    
   
   

 
 
np.random.randn(4,3,2)

 
 

 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     array(
     
     [[[ 1.27820764,  0.92479163],
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
            
     
     [-0.15151257,  1.3428253 ],
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
            
     
     [-1.30948998,  0.15493686]],
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
           
     
     [[-1.49645411, -0.27724089],
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
            
     
     [ 0.71590275,  0.81377671],
    
    
    
   
   
  7. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
            
     
     [-0.71833341,  1.61637676]],
    
    
    
   
   
  8. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  9. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
           
     
     [[ 0.52486563, -1.7345101 ],
    
    
    
   
   
  10. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
            
     
     [ 1.24456943, -0.10902915],
    
    
    
   
   
  11. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
            
     
     [ 1.27292735, -0.00926068]],
    
    
    
   
   
  12. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  13. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
           
     
     [[ 0.88303   ,  0.46116413],
    
    
    
   
   
  14. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
            
     
     [ 0.13305507,  2.44968809],
    
    
    
   
   
  15. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
            
     
     [-0.73132153, -0.88586716]]])

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()

3.1 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))

 
 

 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     array(
     
     [[ 2, -1],
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
           
     
     [ 2,  0]])

3.2 numpy.random.random_integers

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]

该函数在最新的numpy版本中已被替代，建议使用randint函数

np.random.random_integers(1,size=5)

 
 
array([1, 1, 1, 1, 1])

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)

 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     print(
     
     '-----------random_sample--------------')
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     print(np.random.random_sample(size=(
     
     2,
     
     2)))
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     print(
     
     '-----------random--------------')
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     print(np.random.random(size=(
     
     2,
     
     2)))
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     print(
     
     '-----------ranf--------------')
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     print(np.random.ranf(size=(
     
     2,
     
     2)))
    
    
    
   
   
  7. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     print(
     
     '-----------sample--------------')
    
    
    
   
   
  8. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     print(np.random.sample(size=(
     
     2,
     
     2)))
    
    
    
   
   

 
 

 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     -----------random_sample--------------
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     [[ 0.34966859  0.85655008]
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
     
     [ 0.16045328  0.87908218]]
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     -----------random--------------
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     [[ 0.25303772  0.45417512]
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
     
     [ 0.76053763  0.12454433]]
    
    
    
   
   
  7. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     -----------ranf--------------
    
    
    
   
   
  8. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     [[ 0.0379055   0.51288667]
    
    
    
   
   
  9. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
     
     [ 0.71819639  0.97292903]]
    
    
    
   
   
  10. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     -----------sample--------------
    
    
    
   
   
  11. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     [[ 0.59942807  0.80211491]
    
    
    
   
   
  12. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
     
     [ 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])

 
 

 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     np.random.choice(
     
     5, 
     
     3, replace=
     
     False)
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     # 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))

 
 

 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     array(
     
     [[1, 0],
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
           
     
     [4, 2],
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
           
     
     [3, 3]])
    
    
    
   
   

 
 

 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     demo_list = [
     
     'lenovo', 
     
     'sansumg',
     
     'moto',
     
     'xiaomi', 
     
     'iphone']
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     np.random.choice(demo_list,size=(
     
     3,
     
     3))
    
    
    
   
   

 
 

 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     array([[
     
     'moto', 
     
     'iphone', 
     
     'xiaomi'],
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
            [
     
     'lenovo', 
     
     'xiaomi', 
     
     'xiaomi'],
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
            [
     
     'xiaomi', 
     
     'lenovo', 
     
     'iphone']],
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
           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

 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     demo_list = [
     
     'lenovo', 
     
     'sansumg',
     
     'moto',
     
     'xiaomi', 
     
     'iphone']
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     np.random.choice(demo_list,size=(
     
     3,
     
     3), p=[
     
     0.1,
     
     0.6,
     
     0.1,
     
     0.1,
     
     0.1])
    
    
    
   
   

 
 

 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     array([[
     
     'sansumg', 
     
     'sansumg', 
     
     'sansumg'],
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
            [
     
     'sansumg', 
     
     'sansumg', 
     
     'sansumg'],
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
            [
     
     'sansumg', 
     
     'xiaomi', 
     
     'iphone']],
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
           dtype=
     
     '<U7')

6 numpy.random.seed()

  • np.random.seed()的作用：使得随机数据可预测。
  • 当我们设置相同的seed，每次生成的随机数相同。如果不设置seed，则每次会生成不同的随机数

 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     np.random.seed(
     
     0)
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     np.random.rand(
     
     5)
    
    
    
   
   

 
 
array([ 0.5488135 ,  0.71518937,  0.60276338,  0.54488318,  0.4236548 ])

 
 

 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     np.random.seed(
     
     1676)
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     np.random.rand(
     
     5)
    
    
    
   
   

 
 
array([ 0.39983389,  0.29426895,  0.89541728,  0.71807369,  0.3531823 ])

 
 

 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     np.random.seed(
     
     1676)
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     np.random.rand(
     
     5)
    
    
    
   
   

 
 
array([ 0.39983389,  0.29426895,  0.89541728,  0.71807369,  0.3531823 ])

daoxu_hjl
关注
  • 2
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
正态分布与numpy.random.normal函数
Laurence的技术博客
01-03 2678
在Numpy中，有一个专门用于生成符合正态分布的随机数函数：numpy.random.normal，本文我们梳理一下它的使用方法，在梳理前，需要先了解一下什么是正态分布。正态分布（Normal Distribution）又称高斯分布（Gaussian Distribution）。记得以前这个函数是在大学概率论里才介绍的，现在它已经出现在了高中课本中…这个神奇的函数描绘了现实世界中绝大多数事物的分布形态，用通俗的话解释“正态分布”就是：一个群体在某种指标上，绝大部分个体会落在平均值附近，超过平均值太多或低于平
numpy.random模块用法总结
09-19
1. **numpy.random.uniform(low=0.0, high=1.0, size=None)** 这个函数生成符合均匀分布的浮点数。参数`low`和`high`分别定义了取值的下限和上限（不包括`high`），默认值为[0.0, 1.0)。`size`参数用于指定生成的...
numpy.random.Generator
听海边涛声
03-18 160
numpy.random.Generator
numpy.random.randn()用法
热门推荐
u012149181的博客
12-27 39万+
在python数据分析的学习和应用过程中，经常需要用到numpy的随机函数，由于随机函数random的功能比较多，经常会混淆或记不住，下面我们一起来汇总学习下。 import numpy as np 1 numpy.random.rand() numpy.random.rand(d0,d1,…,dn) rand函数根据给定维度生成[0,1)之间的数据，包含0，不包含1dn表格
详解numpy.random.choice函数
KRISNAT
08-25 672
numpy的random模块中的choice函数用于。本博客详细节将该函数的API，并给出示例代码和结果。
numpy.random函数整合（部分）
weixin_52703681的博客
01-18 2603
在我们进行python数据分析的学习和应用过程中，经常需要用到numpy的随机函数，由于随机函数random的功能比较多，经常会混淆或记不住，下面由我进行一部分的总结 1.numpy.random.rand numpy.random.rand(d1 , d2,…dn) rand函数创建一个给定类型的数组，将其填充在一个均匀分布的随机样本[0, 1)中。 a=np.random.rand(2,2)#shape:2*2 print(a) [[0.22305618 0.64853825] [0.11869
numpy.random.normal
weixin_35749786的博客
02-16 533
numpy.random.normal 是 NumPy 库中的一个函数，用于生成符合正态分布(也称为高斯分布)的随机数。该函数的语法如下： numpy.random.normal(loc=0.0, scale=1.0, size=None) 其中，loc 表示正态分布的均值，scale 表示正态分布的标准差，size 表示生成的随机数的数量或形状。例如，如果我们想生成一个均值为 0、标准差为 1，...
numpy.random.uniform()
weixin_44245188的博客
04-09 159
numpy.random.uniform()介绍：函数原型： numpy.random.uniform(low,high,size)功能：从一个均匀分布[low,high)中随机采样，注意定义域是左闭右开，即包含low，不包含high.参数介绍:low: 采样下界，float类型，默认值为0；high: 采样上界，float类型，默认值为1；size: 输出样本数目，为int或元组(tuple)类型，例如，size=(m,n,k), 则输出 m * n * k 个样本，缺省时输出1个值。
numpy.random用法
weixin_44031108的博客
03-04 1142
关于这个numpy函数每次用，每次都要查资料，所以就记下笔记，在用就来查自己的笔记~~ 一、NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。 np.random.rand(d0,d1,…dn),生成一个[0,1）之间的均匀分布随机数或n维数组 import numpy as np X...
[Numpy] numpy.random.choice()函数
Hudas的博客
05-09 848
本文主要讲解Numpy中的numpy.random.choice()函数
numpy.random模块--生成不同概率分布下的随机数
m0_58830154的博客
07-05 861
numpy.random模块提供了一系列函数，可以高效的生成多种概率分布下的样本值数组。
基于numpy.random.randn()与rand()的区别详解
09-20
在Python的科学计算库NumPy中，`numpy.random.randn()`和`numpy.random.rand()`是两个常用的函数，用于生成随机数序列。它们虽然都是用来创建多维数组填充随机数，但生成的随机数类型和分布有所不同。 `numpy....
numpy.random.shuffle打乱顺序函数的实现
01-21
numpy.random.shuffle 在做将caffe模型和预训练的参数转化为tensorflow的模型和预训练的参数，以便微调，遇到如下函数： def gen_data(source): while True: indices = range(len(source.images)) # indices = ...
numpy.random系列函数语法整理
01-20
numpy.random.rand(a)生成一个a长度大小的一维随机浮点数组（无参数时返回一个）。 import numpy as np >>> np.random.rand(10) array([ 0.56911206, 0.99777291, 0.18943144, 0.19387287, 0.75090637, 0.18692814,...
聊天室、websocket、socket.io、毕业设计.zip
07-27
聊天室、websocket、socket.io、毕业设计.zip
微麦电影购票小程序，分为三部分-小程序端-商家（影院）后台与官方后台.zip
07-27
微麦电影购票小程序，分为三部分-小程序端-商家（影院）后台与官方后台.zip
防盗门进销存管理系统（SDIMS）.zip
07-27
防盗门进销存管理系统（SDIMS）.zip
Matlab实现蝗虫优化算法GOA-CNN-BiLSTM-Mutilhead-Attention多变量时序预测.rar
07-27
1.版本：matlab2014/2019a/2021a 2.附赠案例数据可直接运行matlab程序。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。 5.作者介绍：某大厂资深算法工程师，从事Matlab算法仿真工作10年；擅长智能优化算法、神经网络预测、信号处理、元胞自动机等多种领域的算法仿真实验，更多仿真源码、数据集定制私信+。 替换数据可以直接使用，注释清楚，适合新手
[毕设]二叉树构建与遍历算法实现.zip
最新发布
07-27
[毕设]二叉树构建与遍历算法实现
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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