numpy.random模块常用函数

在Numpy库中，常用使用np.random.rand()、np.random.randn()和np.random.randint()随机函数。

1、 np.random.randn()函数

作用：返回一个或一组服从标准正态分布的随机样本值

1)当函数括号内没有参数时，则返回一个浮点数； 
2）当函数括号内有一个参数时，则返回秩为1的数组，不能表示向量和矩阵； 
3）当函数括号内有两个及以上参数时，则返回对应维度的数组，能表示向量或矩阵； np.random.randn()的输入通常为整数，但是如果为浮点数，则会自动直接截断转换为整数。

 

注意：randn()函数没有上下界设置

标准正态分布是以0为均数、以1为标准差的正态分布，记为N（0，1）。对应的正态分布曲线如下所示，即 

                                   
       在-1.96～+1.96范围内曲线下的面积等于0.9500（即取值在这个范围的概率为95%），在-2.58～+2.58范围内曲线下面积为0.9900（即取值在这个范围的概率为99%）. 
       因此，由 np.random.randn()函数所产生的随机样本基本上取值主要在-1.96~+1.96之间，当然也不排除存在较大值的情形，只是概率较小而已

2、np.random.rand()函数

np.random.rand(d0,d1,d2……dn) 

注：使用方法与np.random.randn()函数相同 ，通过本函数可以返回一个或一组服从“0~1”均匀分布的随机样本值。随机样本取值范围是[0,1)，不包括1

               

3、np..random.uniform(low,high,size)

功能：从指定范围内[low,high)产生均匀分布的随机浮点数，注意定义域是左闭右开，即包含low，不包含high.

参数介绍: 
    low: 采样下界，float类型，默认值为0；
    high: 采样上界，float类型，默认值为1；
    size: 输出样本数目，为int或元组(tuple)类型，例如，size=(m,n,k), 则输出m*n*k个样本，缺省时输出1个值。

返回值：ndarray类型，其形状和参数size中描述一致。

4、numpy.random.randint

 numpy.random.randint(low, high=None, size=None, dtype='l')

输入： 
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。 

返回值： 返回随机整数或整型数组，范围区间为[low,high），包含low，不包含high； high没有填写时，默认生成随机数的范围是[0，low

>>>np.random.randint(1, size=10)
输出:array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])


>>> np.random.randint(5, size=(2, 4))
输出：array([[4, 0, 2, 1],
       [3, 2, 2, 0]])

4、numpy.random.seed

随机种子生成器，使下一次生成的随机数为由种子数决定的“特定”的随机数，如果seed中参数为空，则生成的随机数“完全”随机：

>>> import numpy as np
>>> np.random.seed(1)    #指定生成“特定”的随机数-与seed 1 相关
>>> a = np.random.random()
>>> a
0.417022004702574        #该随机数与seed 1 相关
>>> a = np.random.random()  #未指定seed，则本次随机数为完全随机
>>> a
0.7203244934421581       #完全随机数
>>> np.random.seed(1)    #再次指定本次随机与seed 1 相关
>>> a = np.random.random()
>>> a
0.417022004702574        #随机数的结果与seed 1相关，与第一次生成的随机数相同

计算机中没有完全的随机数，随机数函数都是通过概率分布来产生随机数，不同的seed函数参数修改概率分布函数中的参数，所以会出来不同的随机值。

from：https://blog.csdn.net/IAMoldpan/article/details/78429165

5、np.random.choice

>>> np.random.choice(5, 3)
array([0, 3, 4])
>>> #This is equivalent to np.random.randint(0,5,3)



a1=np.array([3,5,2.6,41.2,5.7])
a2 = np.random.choice(a=a1, size=3, replace=False, p=[0.2, 0.1, 0.3, 0.4, 0.0])
print(a2)

输出: array([41.2,  5. ,  2.6])
解释：1、以p的概率，在a中取size个数，p值越大越可能被取到；2、当replace=True时，取值可重复

5 、numpy.random.permutation(x)

     返回一个随机排列。随机打乱x中的元素。若x是整数，则打乱arange(x)，若x是一个数组，则将copy(x)的第一位索引打乱，意思是先复制x，对副本进行打乱处理，打乱只针对数组的第一维

>>> random.permutation(5)
array([1, 2, 3, 0, 4])

>>> np.random.permutation([1, 4, 9, 12, 15])
array([15,  1,  9,  4, 12])

>>> arr = np.arange(9).reshape((3, 3))
>>> np.random.permutation(arr)
array([[6, 7, 8],
       [0, 1, 2],
       [3, 4, 5]])

6、numpy.random.shuffle(x)

 修改序列，改变自身内容。（类似洗牌，打乱顺序），与permutation类似，随机打乱x中的元素。若x是整数，则打乱arange(x). 但是shuffle会对x进行修改

>>> a = arange(5)
>>> a
array([0, 1, 2, 3, 4])
>>> random.permutation(a)
array([1, 4, 3, 2, 0])
>>> a
array([0, 1, 2, 3, 4])
>>> random.shuffle(a)
>>> a
array([4, 1, 3, 2, 0])