和大（小）师（白）一起学Python（八） 数据可视化基础

和大（小）师（白）一起学Python（八） 数据可视化基础

本文参考《深度学习教科书》石川聪彦 著，陈欢 译
所有代码运行时请删除“%matplotlib inline”

10.2.1 随机数生成之随机种子设置

import numpy as np

# 确认不进行初始化设置时产生的随机数是否会一致
# 分别在 X、Y 中保存 5 个随机数
X = np.random.randn(5)
Y = np.random.randn(5)
# 对 X、Y 的值进行输出
print("不对种子进行设置时")
print("X:",X)
print("Y:",Y)

# 请对种子进行设置
np.random.seed(0)
# 将随机数序列代入变量中
x = np.random.randn(5)
# 请传入相同的种子值进行初始化设置
np.random.seed(0)
# 再次创建随机数序列并将其代入其他的变量中
y = np.random.randn(5)
# 对 x、y 的值进行输出，并确认其是否一致
print("对种子进行设置后")
print("x:",x)
print("y:",y)

10.2.2 正态分布随机数生成

import numpy as np
import matplotlib.pyplot as plt

# 请将种子的值设置为 0
np.random.seed(0)
# 请生成 10000 个服从正态分布的随机数，并将它们代入变量 x 中
x = np.random.randn(10000)

# 进行可视化处理
plt.hist(x, bins='auto')
plt.show()

10.2.3 服从二项分布的随机数生成

import numpy as np

# 请对种子进行设置
np.random.seed(0)
# 请对在成功概率 0.5 的条件下尝试 100 次得到的成功次数进行 10000 次的求解，并将结果代入变量 nums 中
nums = np.random.binomial(100, 0.5, size=10000)

# 请对成功率的平均值进行输出
print(nums.mean()/100)

10.2.4 列表数据的随机生成

import numpy as np

x = ['Apple', 'Orange', 'Banana', 'Pineapple', 'Kiwifruit', 'Strawberry']

# 请对种子进行设置
np.random.seed(0)
# 请从列表 x 中随机选择 5 个元素，并将结果代入变量 y 中
y = np.random.choice(x, 5)

print(y)

10.4.2 间距相等的数组生成

import numpy as np

# 请将从 0 到 10 的偶数数列代入 x 中，结束的值为 12 也是正确的
x = np.arange(0, 11, 2)

# 输出结果
print(x)