【Numpy】一文向您详细介绍 np.random.uniform()

高斯小哥

于 2024-05-04 14:50:47 发布

阅读量7.1k

点赞数 17

分类专栏： Numpy 文章标签： numpy batch 人工智能新手入门深度学习学习

本文链接：https://blog.csdn.net/qq_41813454/article/details/138441277

版权

Numpy 专栏收录该内容

73 篇文章

订阅专栏

【Numpy】一文向您详细介绍 np.random.uniform()
在这里插入图片描述

🌈 欢迎莅临我的个人主页 👈这里是我静心耕耘深度学习领域、真诚分享知识与智慧的小天地！🎇

🎓 博主简介：985高校的普通本硕，曾有幸发表过人工智能领域的 中科院顶刊一作论文，熟练掌握PyTorch框架。

🔧 技术专长：在CV、NLP及多模态等领域有丰富的项目实战经验。已累计一对一为数百位用户提供近千次专业服务，助力他们少走弯路、提高效率，近一年好评率100% 。

📝 博客风采：积极分享关于深度学习、PyTorch、Python相关的实用内容。已发表原创文章500余篇，代码分享次数逾四万次。

💡 服务项目：包括但不限于科研入门辅导、知识付费答疑以及个性化需求解决。

欢迎添加👉👉👉底部微信（gsxg605888）👈👈👈与我交流
（请您备注来意）
（请您备注来意）
（请您备注来意）

🎲一、引言

在数据科学、机器学习和许多其他计算领域，随机数的生成是一项非常重要的任务。NumPy，作为Python中最强大的数值计算库之一，提供了丰富的随机数生成功能。其中，np.random.uniform()函数是一个非常重要的函数，用于生成指定范围内的均匀分布的随机数。本文将详细介绍np.random.uniform()函数的作用、用法以及相关的应用场景。

📚二、`np.random.uniform()`函数的作用与用法

作用

np.random.uniform()函数用于生成指定范围内的均匀分布的随机数。这个范围可以是闭区间[low, high]，也可以是半开半闭区间[low, high)，具体取决于参数high是否包含在内。
用法

np.random.uniform()函数的基本语法如下：
```
numpy.random.uniform(low=0.0, high=1.0, size=None)
```
- low：生成随机数的下限，默认为0.0。
- high：生成随机数的上限（不包含），默认为1.0。如果要包含上限，可以将high设置为low + 1的某个小值（例如low + 1e-10）。
- size：输出的形状，可以是一个整数，表示输出的随机数的个数；也可以是一个元组，表示输出的多维数组的形状。如果省略，则返回一个标量。

示例

import numpy as np

# 生成一个0到1之间的随机数
random_number = np.random.uniform()
print(random_number)

# 生成一个1到10之间的随机数（包含1，不包含10）
random_number_between_1_and_10 = np.random.uniform(1, 10)
print(random_number_between_1_and_10)

# 生成一个形状为(3, 2)的二维数组，数组中的元素是0到1之间的随机数
random_array = np.random.uniform(size=(3, 2))
print(random_array)

🔄三、`np.random.uniform()`的应用场景

np.random.uniform()函数在许多场景中都有应用，包括但不限于：

数据模拟：在数据科学中，我们经常需要模拟真实世界的数据集。使用np.random.uniform()可以生成符合特定分布的随机数据，用于构建模拟数据集。
机器学习：在机器学习中，我们经常需要对数据集进行随机划分，例如将数据集划分为训练集和测试集。使用np.random.uniform()可以生成随机索引，用于实现这一目的。
概率计算：在某些概率计算问题中，我们需要生成大量的随机数来估计某个事件的概率。使用np.random.uniform()可以方便地生成这些随机数。

💡四、扩展话题：其他随机数生成函数

NumPy提供了许多其他的随机数生成函数，用于生成不同分布的随机数。以下是一些常用的函数：

np.random.randn()：生成标准正态分布的随机数（均值为0，标准差为1）。

import numpy as np
normal_random_numbers = np.random.randn(5)  # 生成5个标准正态分布的随机数
print(normal_random_numbers)

np.random.randint()：生成指定范围内的随机整数。

random_integers = np.random.randint(low=0, high=10, size=5)  # 生成0到9之间的5个随机整数
print(random_integers)

np.random.choice()：从指定的一维数组中随机选择元素。

choices = np.array(['apple', 'banana', 'cherry'])
random_choice = np.random.choice(choices, size=3, replace=False)  # 从choices中随机选择3个不重复的元素
print(random_choice)