NumPy 中的 random 模块使用方法

numpy中random模块产生随机数

1. 产生随机数的方法
   1. rand() 　　产生[0,1]的浮点随机数,括号里面的参数可以指定产生数组的形状
   2. randn()　　产生标准正态分布随机数，参数含义与random相同
   3. randint()　　产生指定范围的随机数，最后一个参数是元祖，确定数组的形状
2. 常用分布
   1. normal(）　　正态分布
   2. uniform()　　均匀分布
   3. poisson()　　泊松分布
3. 乱序和随机抽取
   1. shuffle() 根据数组的第一轴进行随机排列，改变数组
   2. permutation() 根据数组的第一轴产生一个新的乱序数组，不改变数组
   3. choice(a,[,size,replace,p]) 从一维数组中意概率p抽取元素，形成size形状的新数组，replace表示是否可以重用元素，默认是False

import numpy as np
a = np.random.rand(3,4,5)
a

array([[[0.03981108, 0.91836382, 0.92710838, 0.65510134, 0.97955925],
        [0.15451978, 0.14722667, 0.37221513, 0.03603127, 0.82707464],
        [0.07324249, 0.2454074 , 0.23851544, 0.6538309 , 0.5093643 ],
        [0.45440818, 0.73074743, 0.71777944, 0.28868269, 0.2554641 ]],

       [[0.95907571, 0.41810704, 0.84569667, 0.74927957, 0.51916659],
        [0.23335913, 0.53471954, 0.83018152, 0.05219839, 0.73114234],
        [0.2076154 , 0.0956393 , 0.14043027, 0.61894813, 0.47763035],
        [0.51753088, 0.23452011, 0.09563357, 0.32338085, 0.91953517]],

       [[0.92725234, 0.44382386, 0.15047355, 0.04683946, 0.24610117],
        [0.32001386, 0.37629394, 0.78809439, 0.7295746 , 0.9276709 ],
        [0.95345769, 0.47610291, 0.75445707, 0.75307577, 0.95782705],
        [0.4752363 , 0.19925779, 0.53362318, 0.86523423, 0.66311092]]])

b = np.random.randint(100,120,(3,4))
b

array([[113, 116, 113, 103],
       [105, 104, 101, 109],
       [104, 116, 115, 116]])

np.random.permutation(b)

array([[105, 104, 101, 109],
       [113, 116, 113, 103],
       [104, 116, 115, 116]])

关于常用分布

1. normal(iow，high,size）　正态分布,low起始值，high结束值，size形状
2. uniform(loc,scale,size)　均匀分布，loc均值，scale标准差，size形状
3. poisson(lam,size)　　泊松分布，lam随机事件发生率，size形状

c = np.random.normal(10,5,(3,4))
c

array([[ 8.55534476,  9.48111564, 12.08945918,  9.48659342],
       [ 8.46447183, 17.72147327,  9.77816149,  4.90556247],
       [12.63948457,  7.8163882 ,  9.23039568,  8.40635744]])

由于是在jupyter notebook中写好的笔记然后再上传到本博客上，所以代码都是按照输入与输出的顺序来的，都是可以运行出来的，如果又不懂的地方，欢迎提问