random()随机数与round()四舍五入简介,np.random的区别

random()函数

1、random.random()
random.random()方法返回一个随机数,其在0至1的范围之内

import random
a=random.random()
print(a)

结果0.4499619086192034

2、random.uniform()
在指定范围内生成随机数注意此处结果依旧是浮点数float
其有两个参数,一个是范围上限,一个是范围下线

import random
b=random.uniform(5,60)
print(b)
print(type(b))

结果
26.453020343905788
<class ‘float’>

3、random.randint()
在制定范围内随机生成指定范围内的整数注意此处结果为整数
其有两个参数,一个是范围上限,一个是范围下线
此处区间为前闭后闭

import random
c=random.randint(5,60)
print(c)
print(type(c))

结果
47
<class ‘int’>

round()

返回浮点数x的四舍五入值

d=31.64870319856474
print(round(d,3))

31.649

np.random

numpy 的random子库:
randint(low, high,( shape)): 依shape创建随机整数或整数数组,范围是[ low, high)
区间为前闭后开

a=np.random.randint(0,10,(3,3))
print(a)

[[7 7 5]
[8 7 5]
[8 2 9]]

numpy.random.rand()

numpy.random.rand(d0,d1,…,dn)

rand函数根据给定维度生成[0,1)之间的数据,包含0,不包含1
dn代表维度对应的值
返回值为指定维度的array

c=np.random.rand(2,4)
print(c)
#结果
[[0.9912358  0.27028204 0.56915707 0.92883244]
 [0.12352355 0.3984381  0.87382065 0.95077027]]

np.random.randn(d0,d1…dn)

randn函数返回一个或一组样本,具有标准正态分布。
dn代表维度对应的值
返回值为指定维度的array

d=np.random.randn(2,4)
print(d)
#结果
[[-0.97005422  0.60646681 -1.15381969 -0.66548136]
 [-1.03854783 -0.41862604 -0.43125805  1.63196397]]

np.random.choice()

从给定的一维数组中生成随机数
参数: a为一维数组类似数据或整数;size为数组维度;p为数组中的数据出现的概率

np.random.choice(5,size=(3,2))
[[2, 1],
 [3, 2],
 [4, 0]]

  • 5
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
np.random.seed(8) scores = np.random.randint(50, 100, size=(10, 5)) print(scores) result2 = scores[5, 2] print(f'学号为 105 的学生的英语成绩{result2}') result3 = scores[[0, 2, 5, 9], 0:3] print(result3) idx = np.where(scores >= 90) rows = idx[0] cols = idx[1] for rc in zip(rows, cols): data = scores[rc] print(f'rc = {rc}, data = {data}') number = set([100 + row for row in rows]) print(number) scores_1 = scores.copy() result5 = np.sort(scores_1, axis=0) print(f'按各门课程的成绩排序:\n{result5}') scores_2 = scores.copy() result6 = np.sort(scores_2, axis=1) print(f'按每名学生的成绩排序:\n{result6}') result7_mean = np.mean(scores, axis=0) result7_max = np.max(scores, axis=0) result7_min = np.min(scores, axis=0) print(f'每门课程的平均分:{result7_mean},最高分:{result7_max},最低分:{result7_min}') result8_max = np.max(scores, axis=1) result8_min = np.min(scores, axis=1) print(f'每名学生的最高分:{result8_max},最低分:{result8_min}') result_min = np.min(scores) idx = np.where(scores == result_min) rows = idx[0] cols = idx[1] for rc in zip(rows, cols): data = scores[rc] print(f'学生学号为 10{str(rc[0])},课程{course[rc[1]]}, 最低分为 {data}') result_max = np.max(scores) idx = np.where(scores == result_max) rows = idx[0] cols = idx[1] for rc in zip(rows, cols): data = scores[rc] print(f'学生学号为 10{str(rc[0])},课程{course[rc[1]]}, 最高分为 {data}') weight_list = [0.25, 0.25, 0.20, 0.15, 0.15] weight = np.array(weight_list) total_score = np.matmul(scores, weight) total_score = np.round(total_score, 2) print(f'每名学生的总成绩:\n{total_score}') print(type(total_score)) total_score1 = total_score.copy() result = sorted(total_score1, reverse=True) print(f'最高的 3 个总分:\n{result[:3]}')
06-12
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值