1.numpy.random.rand()
用法是:numpy.random.rand(d0,d1,…dn)
以给定的形状创建一个数组,并在数组中加入在[0,1]之间均匀分布的随机样本。
用法及实现:
>>> np.random.rand(3,2)
array([[ 0.14022471, 0.96360618], #random
[ 0.37601032, 0.25528411], #random
[ 0.49313049, 0.94909878]]) #random
>>>np.random.rand(5)
array([ 0.26677034, 0.01680242, 0.5164905 , 0.70920141, 0.30438513])
2.numpy.random.randn()
用法是:numpy.random.rand(d0,d1,…dn)
以给定的形状创建一个数组,数组元素来符合标准正态分布N(0,1)
若要获得一般正态分布则可用sigma * np.random.randn(…) + mu进行表示
用法及实现:
>>> a = np.random.randn(2, 4)
>>> a
array([[-0.29188711, 0.76417681, 1.00922644, 0.34169581],
[-0.3652463 , -0.9158214 , 0.34467129, -0.31121017]])
>>> b = np.random.randn(2)
>>> b
array([ 0.37849173, 1.14298464])
3.numpy.random.randint()
用法是:numpy.random.randint(low,high=None,size=None,dtype)
生成在半开半闭区间[low,high)上离散均匀分布的整数值;若high=None,则取值区间变为[0,low)
用法及实现
high=None的情形
>>> a = np.random.randint(2, size=10)
>>> a
array([0, 1, 0, 1, 1, 0, 1, 0, 0, 1])
>>> b = np.random.randint(1, size=10)
>>> b
array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])
>>> c = np.random.randint(5, size=(2, 4))
>>> c
array([[3, 4, 3, 3],
[3, 0, 0, 1]])
high≠None
d = np.random.randint(2,high=6,size=(2,4))
>>> d
array([[5, 2, 4, 2],
[4, 3, 5, 4]])
4.numpy.random.random_integers()
用法是: numpy.random.random_integers(low,high=None,size=None)
生成闭区间[low,high]上离散均匀分布的整数值;若high=None,则取值区间变为[1,low]
用法及实现
high=None的情形
>>> np.random.random_integers(1, 6, 10)
array([4, 5, 2, 3, 4, 2, 5, 4, 5, 4])
>>> np.random.random_integers(6)
5
>>> np.random.random_integers(6,size=(3,2))
array([[1, 3],
[5, 6],
[3, 4]])
high≠None的情形
>>> c = np.random.random_integers(6,high=8,size=(3,2))
>>> c
array([[7, 8],
[7, 8],
[8, 8]])
此外,若要将【a,b】区间分成N等分,也可以用此函数实现
a+(b-a)*(numpy.random.random_integers(N)-1)/(N-1)
5.numpy.random_sanmple()
用法是: numpy.random.random_sample(size=None)
以给定形状返回[0,1)之间的随机浮点数
用法及实现
>>> np.random.random_sample()
0.2982524530687424
>>> np.random.random_sample((5,))
array([ 0.47989216, 0.12580015, 0.99624494, 0.14867684, 0.56981553])
>>> np.random.random_sample((2,5))
array([[ 0.00659559, 0.45824325, 0.13738623, 0.60766919, 0.39234638],
[ 0.6914948 , 0.92461145, 0.43289058, 0.63093292, 0.06921928]])
其他函数,numpy.random.random() ;numpy.random.ranf()
numpy.random.sample()用法及实现都与它相同
6.numpy.random.choice()
用法是: numpy.random.choice(a,size=None,replace=True,p=None)
若a为数组,则从a中选取元素;若a为单个int类型数,则选取range(a)中的数
replace是bool类型,为True,则选取的元素会出现重复;反之不会出现重复
p为数组,里面存放选到每个数的可能性,即概率
用法及实现
>>>a = np.random.choice(5, 3)
>>> a
array([4, 3, 1])
>>>b = np.random.choice(5, 3, p=[0.1, 0, 0.3, 0.6, 0])
>>> b
array([2, 3, 3], dtype=int64)
>>> c = np.random.choice(5, 3, replace=False, p=[0.1, 0, 0.3, 0.6, 0])
>>> c
array([3, 2, 0])
![](https://i-blog.csdnimg.cn/blog_migrate/496df35481a1390e1a02dd4b1c301f37.png)