numpy 常用随机数的产生方法

参考链接： https://blog.csdn.net/m0_37804518/article/details/78490709

numpy 中 的random模块有多个函数用于生成不同类型的随机数，常见的有 uniform、rand、random、randint、random_interges

下面介绍一下各自的用法
1、np.random.uniform的用法
np.random.uniform(low=0.0, high=1.0, size=None)

• 作用：可以生成[low,high)中的随机数，可以是单个值，也可以是一维数组，也可以是多维数组
  参数介绍：
• low :float型，或者是数组类型的，默认为0
• high:float型，或者是数组类型的，默认为1
• size:int型，或元组，默认为空

In[1]: import numpy as np

In[2]: np.random.uniform()  # 默认为0到1
Out[2]: 0.827455693512018

In[3]: np.random.uniform(1,5)
Out[3]: 2.93533586182789

In[4]: np.random.uniform(1,5,4)  #生成一维数组
Out[4]: array([ 3.18487512,  1.40233721,  3.17543152,  4.06933042])

In[5]: np.random.uniform(1,5,(4,3)) #生成4x3的数组
Out[5]: 
array([[ 2.33083328, 1.592934 , 2.38072 ],
       [ 1.07485686, 4.93224857, 1.42584919],
       [ 3.2667912 , 4.57868281, 1.53218578],
       [ 4.17965117, 3.63912616, 2.83516143]])

In[6]: np.random.uniform([1,5],[5,10])  
Out[6]: array([ 2.74315143, 9.4701426 ])
 
 

 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

2、np.random.random_sample的用法
和np.random.random作用一样
random_sample(size=None)
- 作用：返回[0,1)之间的浮点型随机数，通过size控制返回的形状

np.random.random_sample()
    0.47108547995356098
type(np.random.random_sample())
    <type 'float'>
np.random.random_sample((5,))
    array([ 0.30220482,  0.86820401,  0.1654503 ,  0.11659149,  0.54323428])

    Three-by-two array of random numbers from [-5, 0):

5 * np.random.random_sample((3, 2)) - 5
    array([[-3.99149989, -0.52338984],
           [-2.99091858, -0.79479508],
           [-1.23204345, -1.75224494]])
 
 

 
 
1
2
3
4
5
6
7
8
9
10
11
12
13

3、np.random.rand的用法
rand(d0, d1, …, dn)

• 作用：返回[0,1)内的浮点数，输入的d0,d1…dn代表维度信息，没有输入时，则返回[0,1)内的一个随机值

In[15]: np.random.rand()
Out[15]: 0.9027797355532956

In[16]:np.random.rand(3,3)
Out[16]: 
array([[ 0.47507608,  0.64225621,  0.9926529 ],
       [ 0.95028412,  0.18413813,  0.91879723],
       [ 0.89995217,  0.42356103,  0.81312942]])

In[17]: np.random.rand(3,3,3)
Out[17]: 
array([[[ 0.30295904,  0.76346848,  0.33125168],
        [ 0.77845927,  0.75020602,  0.84670385],
        [ 0.2329741 ,  0.65962263,  0.93239286]],

       [[ 0.24575304,  0.9019242 ,  0.62390674],
        [ 0.43663215,  0.93187574,  0.75302239],
        [ 0.62658734,  0.01582182,  0.66478944]],

       [[ 0.22152418,  0.51664503,  0.41196781],
        [ 0.47723318,  0.19248885,  0.29699868],
        [ 0.11664651,  0.66718804,  0.39836448]]])
 
 

 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

4、np.random.randint的用法
randint(low, high=None, size=None, dtype=’l’)

• 作用：生成整型随机数，可以是单个随机数，也可以是多维的随机数构成的数组
  参数介绍

• low：int 型，随机数的下限

• high：int 型，默认为空，随机数的上限，当此值为空时，函数生成[0,low)区间内的随机数
• size：int、或ints、或元组，指明生成的随机数的类型
• dtype:可选’int’ ,’int32’，默认为’l’

In[7]: np.random.randint(4)
Out[7]: 1

In[8]: np.random.randint(4,size=4)
Out[8]: array([2, 2, 2, 0])

In[9]: np.random.randint(4,10,size=6)
Out[9]: array([7, 9, 7, 8, 6, 9])

np.random.randint(4,10,size=(2,2),dtype='int32')
Out[10]: 
array([[7, 4],
       [6, 9]])
 
 

 
 
1
2
3
4
5
6
7
8
9
10
11
12
13

5、np.random.random_integers的用法
random_integers(low, high=None, size=None)
和randint的用法较为相似,区别在于[low,high]
的右边界能够取到，且改函数即将被抛弃，可以使用
np.random.randint(low,high+1)进行代替

总结：随机数可以分为两大类，一类是浮点型的，常以np.random.uniform为代表，np.random.rand,np.random.radnom和np.random.random_simple可以看作是np.random.uniform的特例；另一类是整数型的，以np.random.randint为代表，也有np.random.random_integers 但是后者将被前者取代