numpy.random模块产生随机数

1. 产生 [0, 1) 之间的随机数

   • 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表示每个维度
      - 返回值为指定维度的array
     

     例1.1：

     >>>np.random.rand(4,2) # 4行2列
     array([[0.10669232, 0.9839076 ],
            [0.67376768, 0.79010495],
            [0.07939011, 0.22977188],
            [0.54017788, 0.68320903]])
     

   • numpy.random.random_sample(size=None)

   • numpy.random.random(size=None)

   • numpy.random.ranf(size=None)

   • numpy.random.sample(size=None)

     这四个函数都是产生[0,1)之间随机数的函数，用法一样，

     例1.2：

     >>> np.random.random_sample(size=(4))   #一维的，4个  
     array([0.68867009, 0.08635921, 0.88254211, 0.60605036])
     
     >>> np.random.random_sample(size=(2,3))  #二维
     array([[0.89693949, 0.51200954, 0.24158491],
            [0.11665254, 0.41706794, 0.67003414]])
     
     >>> np.random.random_sample(size=(3,2,4))   #三维
     array([[[0.84050702, 0.35274098, 0.87450357, 0.65806499],
             [0.79937112, 0.43261848, 0.60403257, 0.28847194]],
     
            [[0.28142754, 0.00671447, 0.53684953, 0.72092988],
             [0.09717808, 0.85686328, 0.15504614, 0.28567422]],
     
            [[0.39187717, 0.94410192, 0.51994066, 0.17610175],
             [0.32837617, 0.77936727, 0.5924614 , 0.38951718]]])
     

2. 返回正态分布的随机数

   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。
   - 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）。
   - dn表示每个维度
   - 返回值为指定维度的array，没给出参数时只返回一个随机数
   

   np.random.normal(loc=0.0, scale=1.0, size=None)

   - loc: 表示均值
   - scale：表示标准差
   - size：维度
   

3. 返回随机整数

   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)
   

4. 返回随机浮点数

   np.random.uniform(low=0.0, high=1.0, size=None)

   - low：最小值
   - high：最大值
   

5. 从给定的一维数组中生成随机数

   numpy.random.choice()

   numpy.random.choice(a, size=None, replace=True, p=None)
    
    参数：
    
    - a为一维数组类似数据(如列表)或整数；
    - size为数组维度；
    - replace表示是否允许有重复值
    - p为数组中的各个数据出现的概率（与a数据个数要一致）
      a为整数时，内部自动转化为对应的一维数组为np.arange(a)
   

   例5.1

   >>>np.random.choice(5,3)
   array([4, 1, 4])
   

   >>>np.random.choice(5, 3, replace=False)
   # 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))
   array([[1, 0],
          [4, 2],
          [3, 3]])
   

6. 使用随机数种子生成随机数

   numpy.random.seed()

   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。

   例6.1

   np.random.seed(0) #第一个种子
   np.random.rand(5)
   
   out: array([ 0.5488135 ,  0.71518937,  0.60276338,  0.54488318,  0.4236548 ])
   
   #-------------------------------------------------------------------------------------
   np.random.seed(1676)  #第二个种子，相比于第一个发生改变
   np.random.rand(5)
   
   out：array([ 0.39983389,  0.29426895,  0.89541728,  0.71807369,  0.3531823 ]) 
   	#和之前不一样了
   
   #-------------------------------------------------------------------------------------
   np.random.seed(1676) #第三个种子，与第二个种子一样
   np.random.rand(5)
   
   out：array([ 0.39983389,  0.29426895,  0.89541728,  0.71807369,  0.3531823 ]) 
   	#与第二次一样
   
   

   第三个种子产生的随机数与第二个产生的随机数一样。