Python用random和numpy.random产生随机数

一、用Python自带的random模块实现
random模块中，以rand开头的方法只有三个，分别是random，randint，randrange，其中randint为randrange的特例。记住：方法名中最短的是6个字母的那个random.random()方法，你在自带的random模块中凡是调用小于6个字母且以rand开头的方法都是错误的！。

import random
print(random.random()) #在区间[0, 1)内产生一个随机浮点数
print(random.randint(1,4)) #在区间[a, b]内产生一个随机整数
print(random.randrange(2,7,2)) #在区间range(start, stop[, step])下产生一个随机整数，不包含stop，本例只能在2/4/6三个数中产生
print(random.uniform(12,16)) #在区间[a, b) 内产生一个随机浮点数

运行结果：
0.6187768105862372
1
4
15.01870211317274

此外还有random.choice(sequence)、random.shuffle(x[, random])、random.sample(sequence, k)等方法，请自行百度。

二、用numpy的random模块实现
现在要求产生一个2行4列的浮点数数组，每个浮点数的区间为[0, 1)，如果用Python自带的random库实现，代码如下：

import random
import numpy as np
n =  [ random.random() for i in range(8)]
n = np.array(n).reshape(2,4)
print(n)

运行结果：
[[ 0.11365106 0.0953035 0.83630837 0.88000645]
[ 0.81532003 0.31082616 0.16808592 0.36172359]]

方法笨拙、有效，是否有更简便的方法呢？

（1）random.rand (d0, d1, …, dn)
创建一个指定维度的随机浮点数数组，每个浮点数的范围为[0, 1)，基础功能等价于之前的random.random()

from numpy import random
print(random.rand(2,4))

运行结果：
[[ 0.41423502 0.29607993 0.62878791 0.57983781]
[ 0.5999292 0.26581912 0.28468588 0.25358821]]
提示：python自带的随机数功能一般为产生一个数，而numpy.random模块在产生数的时候，一般需要指定维度大小，因为numpy是为向量而生的！

（2）random.randn (d0, d1, …, dn)
创建一个正态分布的随机浮点数数组，均值为0，标准差为1，每个浮点数的范围为[0, 1)。

from numpy import random
print(random.randn(2,5))

运行结果：
[[ 0.7583426 -1.05723546 -0.12770496 -1.92006576 -0.73522534]
[ 1.95297529 0.54144757 -1.26715335 0.50051637 1.59260179]]
对比Python自带的random模块可以发现，在numpy.random模块中，一个是4个字母的方法rand，一个是5个字母的方法randn，两者都可以产生一个0-1之间的浮点数

（3）random.uniform(low,high, size=None)产生一个指定[low, high)范围、均匀分布的浮点数数组

print(random.uniform(3,5,(2,5)))

运行结果：
[[ 3.24467229 4.80136313 3.45819832 4.14716794 3.97951204]
[ 4.68337576 3.36074955 4.26769826 3.53562288 3.27459286]]

（4）random.randint(low, high=None, size=None, dtype=‘l’)产生一个指定[low, high)范围、均匀分布的整数数数组

print(random.randint(3,5,(2,5)))

运行结果：
[[4 3 3 3 4]
[3 4 4 4 4]]

（5）random. normal(loc=0.0, scale=1.0, size=None)在一个指定均值loc、标准差scale的正态分布中随机抽取指定size大小的样本

print(random.normal(3.5, 2.2, (3,4)))

运行结果：
[[ 4.71321053 6.13198025 2.33444535 7.45976511]
[ 2.42028688 1.44674274 7.1084067 3.44898467]
[ 2.75945659 2.14206063 0.91246563 3.9049633 ]]

（6）random.seed设定产生随机数的种子

random.seed(5)
print(random.rand(2,4))
print('*'*50)
print(random.rand(2,4))

运行结果：
[[ 0.22199317 0.87073231 0.20671916 0.91861091]
[ 0.48841119 0.61174386 0.76590786 0.51841799]]

---

[[ 0.2968005 0.18772123 0.08074127 0.7384403 ]
[ 0.44130922 0.15830987 0.87993703 0.27408646]]

可以发现，第二次调用random.rand时，由于系统默认改变了种子，所以每次产生的数与第一组不一样。当要每次产生的随机数都一样时，可以设定random.seed（种子），来固定产生的随机数。这在做某些情况下，在指定的数据集上做验证性实验时，非常有效。

random.seed(5)
print(random.rand(2,4))
print('*'*50)
random.seed(5)
print(random.rand(2,4))

[[ 0.22199317 0.87073231 0.20671916 0.91861091]
[ 0.48841119 0.61174386 0.76590786 0.51841799]]

---

[[ 0.22199317 0.87073231 0.20671916 0.91861091]
[ 0.48841119 0.61174386 0.76590786 0.51841799]]

三、问答环节
（1）random.randint和numpy.random.randint都能产生随机整数，两者有什么主要区别？
答：第一，numpy.random.randint除了指定low, high外，通常还需要指定数组的size，即numpy中的随机数功能着眼于矢量，而random.randint不具备一次性产生整个数组的功能。 第二，random.randint产生的随机数区间为[low, high]，而numpy.random.randint的随机数区间为[low, high)。