numpy 随机数

总体来说，numpy.random模块分为四个部分，对应四种功能：

1. 简单随机数： 产生简单的随机数据，可以是任何维度

2. 排列：将所给对象随机排列

3. 分布：产生指定分布的数据，如高斯分布等

4. 生成器：种随机数种子，根据同一种子产生的随机数是相同的
   以下是详细内容以及代码实例：（以下代码默认已导入numpy：import numpy as np ）

5. 生成器
   电脑产生随机数需要明白以下几点：
   （1）随机数是由随机种子根据一定的计算方法计算出来的数值。所以，只要计算方法一定，随机种子一定，那么产生的随机数就不会变。
   （2）只要用户不设置随机种子，那么在默认情况下随机种子来自系统时钟（即定时/计数器的值）
   （3）随机数产生的算法与系统有关，Windows和Linux是不同的，也就是说，即便是随机种子一样，不同系统产生的随机数也不一样。
   numpy.random 设置种子的方法有：

np.random.seed(1234) #设置随机种子为1234
6. 简单随机数

代码示例

(1) np.random.rand(2,3) #产生2行三列均匀分布随机数组
Out[7]: 
array([[ 0.35369993,  0.0086019 ,  0.52609906],
       [ 0.31978928,  0.27069309,  0.21930115]])

（2）In [8]: np.random.randn(3,3) #三行三列正态分布随机数据
Out[8]: 
array([[ 2.29864491,  0.52591291, -0.80812825],
       [ 0.37035029, -0.07191693, -0.76625886],
       [-1.264493  ,  1.12006474, -0.45698648]])
（3）In [9]: np.random.randint(1,100,[5,5]) #(1,100）以内的5行5列随机整数
Out[9]: 
array([[87, 69,  3, 86, 85],
       [13, 49, 59,  7, 31],
       [19, 96, 70, 10, 71],
       [91, 10, 52, 38, 49],
       [ 8, 21, 55, 96, 34]])
（4）In [10]: np.random.random(10) #(0,1）以内10个随机浮点数
Out[10]: 
array([ 0.33846136,  0.06517708,  0.41138166,  0.34638839,  0.41977818,
        0.37188863,  0.2508949 ,  0.89923638,  0.51341298,  0.71233872])
（5）In [11]: np.random.choice(10) #[0,10)内随机选择一个数
Out[11]: 7

3. 分布
   numpy.random模块提供了产生各种分布随机数的API：
   
   
   代码示例

(1)正态分布
import numpy as np
import matplotlib.pyplot as plt

mu = 1  #期望为1
sigma = 3  #标准差为3
num = 10000  #个数为10000

rand_data = np.random.normal(mu, sigma, num)
count, bins, ignored = plt.hist(rand_data, 30, normed=True)
plt.plot(bins, 1/(sigma * np.sqrt(2 * np.pi)) *np.exp( - (bins - mu)**2 / (2 * sigma**2)), linewidth=2, color='r')
plt.show()

4. 排列

代码

(1)正态分布
import numpy as np
rand_data = np.random.randint(1, 10, (3, 4))
print(rand_data)
np.random.shuffle(rand_data)
print(rand_data)

out：
[[4 4 4 8]
 [5 6 8 2]
 [1 7 6 6]]
[[4 4 4 8]
 [1 7 6 6]
 [5 6 8 2]]
 （按照行打乱了，也就是交换了行）