numpy.random模块--生成不同概率分布下的随机数

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。以下是numpy.random模块下常见函数列表。

函数	功能
rand	从 [0,1) 的均匀分布中随机抽取样本
randn	从标准正态分布中随机抽取样本
randint	从指定的整数范围内随机抽取整数
random	生成 [0,1) 之间的随机浮点数
sample	生成 [0,1) 之间的随机浮点数
random_sample	生成 [0,1) 之间的随机浮点数
ranf	生成 [0,1) 之间的随机浮点数
choice	从指定的序列中随机选取数据

下面是对以上函数用法的详细介绍

numpy.random.rand()

基本语法：numpy.random.rand(d0, d1, ..., dn)

• rand函数根据指定维度生成服从[0, 1)之间均匀分布的随机数，包括0但不包括1
• dn表示每个维度。如(2, 3)表示2行3列的二维数组
• 返回值为指定维度的ndarray

In [125]: np.random.rand(4, 3)  # shape：4 * 3的二维数组
Out[125]:
array([[0.78979527, 0.38500656, 0.02843184],
       [0.49226012, 0.77083022, 0.8409522 ],
       [0.27804731, 0.8365616 , 0.92567418],
       [0.84292155, 0.36753052, 0.34382406]])

In [129]: np.random.rand(2, 4, 3) # shape：2*4*3的三维数组
Out[129]:
array([[[0.49323809, 0.83295425, 0.4039946 ],
        [0.25510533, 0.40602954, 0.58292833],
        [0.25450807, 0.44640304, 0.43617601],
        [0.11658422, 0.98577301, 0.38568967]],

       [[0.85824435, 0.76722918, 0.81906797],
        [0.48851512, 0.56133223, 0.24019518],
        [0.38710638, 0.65512304, 0.03514694],
        [0.17368728, 0.35598045, 0.50488703]]])

numpy.random.randn()

基础语法：numpy.random.randn(d0, d1,..., dn)

• randn函数返回指定维度的一组数据，每个数据都服从N(0, 1)的标准正态分布
• dn表示每个维度
• 返回值为指定维度的ndarray

In [130]: np.random.randn() # 当没有参数时，返回单个服从标准正态分布的数据
Out[130]: 0.5610652340073796

In [131]: np.random.randn(4, 3) # shape：4*3的二维数组
Out[131]:
array([[-0.29207228, -0.46770903,  0.94258979],
       [ 0.56368968, -0.60302932,  0.2444572 ],
       [-0.84013211,  0.45940874,  1.29709124],
       [-1.04941766, -0.23970505,  0.16019032]])

In [132]: np.random.randn(2, 4, 3) # shape：2*4*3的三维数组
Out[132]:
array([[[ 1.63562004,  0.62470763, -0.27767897],
        [-0.87279354, -0.6042739 ,  0.4143364 ],
        [ 1.7154237 ,  0.3983469 ,  0.88813782],
        [-0.37456158,  0.8330908 ,  0.98065517]],

       [[-0.66924276,  0.53077843, -1.33878226],
        [-1.37220519, -0.78806013, -1.50425574],
        [ 0.39479125, -0.77059966, -0.19603475],
        [ 0.12002973,  0.97226512,  0.84469158]]])

numpy.random.randint()

基础语法：numpy.random.randint(low, high=None, size=None, dtype=‘I’)

• randint函数返回随机整数，区间范围为[low, high),包含low但不包含high
• 参数：low为最小值，high为最大值，size为数组维度，dtype为数据类型，默认是np.int
• 没有指定参数high，默认生成随机整数的范围是[0, low）

In [133]: np.random.randint(1, size=5) #返回[0, 1)之间的整数，因此只有0;size=5生成包含5个元素的一维数组
Out[133]: array([0, 0, 0, 0, 0])

In [134]: np.random.randint(1, 5, (2, 3)) # 返回[1, 5)之间的随机整数组成的shape为2*3的二维数组
Out[134]:
array([[3, 2, 4],
       [1, 4, 3]])

In [137]: np.random.randint(1, 5) #若没有指定size，则返回一个位于[1, 5)之间的随机整数
Out[137]: 4

numpy.random.random()

基本语法：numpy.random.random(size=None)

• random函数返回[0,1)之间的随机浮点数
• 可选参数size指定生成数组的维度

In [141]: np.random.random(size=(2, 3))
Out[141]:
array([[0.00864304, 0.36079734, 0.86789768],
      [0.38136501, 0.17319084, 0.15462444]])

除numpy.random.random之外，还有其他函数也可以生成[0,1)之间的随机浮点数，如：

• numpy.random.random_sample(size=None)
• numpy.random.ranf(size=None)
• numpy.random.sample(size=None)

In [140]: np.random.random_sample(size=(2, 3))
Out[140]:
array([[0.63539344, 0.168324  , 0.51737343],
       [0.45203514, 0.18182398, 0.62237188]])

In [142]: np.random.ranf(size=(2 ,3))
Out[142]:
array([[0.93826488, 0.74282968, 0.86978257],
       [0.68986805, 0.67840641, 0.74780842]])

In [143]: np.random.sample(size=(2, 3))
Out[143]:
array([[0.15860298, 0.34332039, 0.74976164],
       [0.43040744, 0.98804783, 0.14932702]])

numpy.random.choice()

基本语法：numpy.random.choice(a, size=None, replace=True, p=None)

• choice函数从给定的一维数组中生成随机数
• a为一维数组类似数据或整数，a为整数n时，对应的一维数组为np.arange(n)
• size为生成的数组维度；p为a中数据出现的概率

np.arange()方法相当于Python的内置方法range，只不过np.arange()方法生成的是一个一维数组

In [144]: np.arange(5)
Out[144]: array([0, 1, 2, 3, 4])

In [145]: np.random.choice(5, 3)
Out[145]: array([1, 3, 1])

In [147]: np.random.choice(5, 3, replace=False) 
# 当replace=False时，生成的随机数不能重复
Out[147]: array([1, 2, 0])

In [149]: x = np.array([1, 2, 3, 4]) #x为一维数组

In [151]: np.random.choice(x, size=(2, 3))
Out[151]:
array([[3, 1, 4],
       [4, 4, 1]])

In [152]: some_list = ['lemon', 'apple', 'banana', 'straberry', 'orange'] # some_list为列表

In [153]: np.random.choice(some_list, size=(2, 3))
Out[153]:
array([['banana', 'banana', 'apple'],
       ['orange', 'banana', 'lemon']], dtype='<U9')

• 参数p为概率，可以通过列表传递，列表内数据元素之和为1
• 参数p的长度与数组a的长度应该一致，含义是数组a中每个元素出现的概率

In [156]: np.random.choice(some_list, size=(2, 3), p=[0.1, 0.6, 0.1, 0.1, 0.1])
Out[156]:
array([['straberry', 'lemon', 'orange'],
       ['straberry', 'apple', 'apple']], dtype='<U9')