Python之三大基本库——Numpy(2)

接着上次的内容接着讲，连续号都续上哈

 七、numpu中random的随机生成函数

以下总结的是比较常用到的函数：

下面分别介绍一下不用的用法：

首先导入创建函数

import numpy as np
np.random.seed(666)

1、 rand(d0,d1,d2,...,dn)：返回数据[0,1)之间，具有均匀分布

np.random.rand(5)
np.random.rand(3,4)
np.random.rand(2,3,4)

 结果如下：

2、randn(d0,d1,d2,...,dn) ：返回数据具有标准正态分布（均值0，方差1 ）

np.random.randn(5)
np.random.randn(3,4)
np.random.randn(2,3,4)

结果如下：

3、randint(low[,high,size,dtype])：生成随机整数，包含low，不包含high。如果high不指定，则从[0,low)中生成数字

np.random.randint(3)
np.random.randint(1,10)
np.random.randint(10,30,size=(5))
np.random.randint(10,30,size=(2,3,4))

结果如下：

4、random([size])：生成[0.0,1.0)的随机数

结果如下：

 

5、choice(a[, size, replace, p])：a是一维数组，从它里面生成随机结果 

#这时候，a是数字，则从range(5)中生成，size为3
np. random. choice(5,3)
np.random.choice(5,(2,3))

# 这时候，a是数组，从里面随机取出数字
np.random.choice([2,3,6,7,9],3)
np.random.choice([2,3,6,7,9],(2,3))

结果如下：

6、shuffle(x)：把一个数组x进行随机排列

a = np.arange(10)
np.random.shuffle(a)
a = np.arange(20).reshape(4, 5)
#如果数组是多维的，则只会在第一维度打散数据
np.random.shuffle(a)

结果如下：

7、permutation(x)：把一个数组x进行随机排列，或者数字的全排列

# 这时候，生成range(10)的随机排列
np.random.permutation(10)
# 这时候，在第一维度进行打散
arr = np.arange(9).reshape((3，3)
# 注意，这里不会更改原来的arr，会返回一个新的copy
np.random.permutation(arr)

结果如下：

8、normal([loc, scale, size])：按照平均值loc和方差scale生成高斯分布的数字

直接展示结果过如下：

 

9、uniform([low, high, size])：在[low, high)之间生成均匀分布的数字
直接展示结果如下：

常用的随机函数就到这里，我们会在下一篇讲解新的数字统计函数，有兴趣的小伙伴可以看主页查看章节