numpy产生随机数的常用方法总结

前言

numpy中的random模块包含了很多方法可以用来产生随机数，这篇文章将对random中的一些常用方法(rand,uniform,choice,randn,normal,randint,random)做一个总结。

1、numpy.random.rand(d0, d1, …, dn)

作用： 产生一个给定形状的数组（其实应该是ndarray对象或者是一个单值），数组中的值服从[0, 1)之间的均匀分布。
参数： d0, d1, …, dn : int，可选。如果没有参数则返回一个float型的随机数，该随机数服从[0, 1)之间的均匀分布。
返回值： ndarray对象或者一个float型的值。

例子：

# [0, 1)之间均匀分布的随机数，3行2列
a = np.random.rand(3, 2)
print(a)

[[0.68404321 0.24719641]
 [0.22776829 0.09530496]
 [0.17033399 0.298983  ]]
 
# 不提供形状
b = np.random.rand()
print(b)

0.45868104780087227

2、numpy.random.uniform(low=0.0, high=1.0, size=None)

作用： 返回一个在区间[low, high)中均匀分布的数组，size指定形状。
参数： low, high： float型或者float型的类数组对象。指定抽样区间为[low, high)，low的默认值为0.0，hign的默认值为1.0。size： int型或int型元组。指定形状，如果不提供size，则返回一个服从该分布的随机数。

例子：

# 在[1, 10)之间均匀抽样，数组形状为3行2列
a = np.random.uniform(1, 10, (3, 2))
print(a)

[[1.7694207  5.88663933]
 [9.31000261 2.53414533]
 [9.61062395 6.63295188]]
 
# 不提供size
b = np.random.uniform(1, 10)
print(b)

9.955240734279203

3、numpy.random.choice(a, size=None, replace=True, p=None)

作用： 从给定的一维数组中生成一个随机样本。
参数：
a： 1维数组或int。如果是ndarray，则从其元素中生成一个随机样本。如果是一个int型，则生成的随机样本就 np.arange(a)。
size： int型或者int型的元组，指定了数组的形状。如果不提供size，在这种情况下将返回单个值。
replace： 布尔值，可选。样品是否有更换
p： 一维数组类,可选。与a中每个条目相关的概率。如果没有给出，样本假设a中所有条目的均匀分布。
返回值： 返回随机项。

例子：

a = np.random.choice([1, 3, 5, 7, 9])

7
# 3行2列
b = np.random.choice([1, 3, 5, 7, 9], size=(3, 2))

[[9 9]
 [3 1]
 [7 3]]

c = np.random.choice(5, 3)
print(c)

[1, 3, 0]

d = np.random.choice(['pooh', 'rabbit', 'piglet', 'Christopher'], 3)
print(d)

['pooh', 'piglet', 'piglet']

4、numpy.random.randn(d0, d1, …, dn)

作用： 返回一个指定形状的数组，数组中的值服从标准正态分布（均值为0，方差为1）。
参数： d0, d, …, dn : int，可选。如果没有参数，则返回一个服从标准正态分布的float型随机数。
返回值： ndarray对象或者float。

例子：

# 3行2列
a = np.random.randn(3, 2)
print(a)

[[ 1.00181973 -1.07178946]
 [ 1.11540023  0.72727269]
 [ 0.60507162 -1.91591898]]
 
# 不提供形状
b = np.random.randn()
print(b)

0.7548234170541415

5、numpy.random.normal(loc=0.0, scale=1.0, size=None)

作用： 返回一个由size指定形状的数组，数组中的值服从 μ=loc,σ=scale 的正态分布。
参数：
loc : float型或者float型的类数组对象，指定均值 μ。
scale : float型或者float型的类数组对象，指定标准差 σ。
size : int型或者int型的元组，指定了数组的形状。如果不提供size，且loc和scale为标量（不是类数组对象），则返回一个服从该分布的随机数。
输出： ndarray对象或者一个标量。

例子：

# 标准正态分布，3行2列
a = np.random.normal(0, 1, (3, 2))
print(a)

[[-1.3681416   0.37001618]
 [-2.31948008 -0.02200573]
 [ 0.53075733 -0.54062915]]
 
# 均值为1，标准差为3
b = np.random.normal(1, 3)
print(b)

0.6820592188367113

6、numpy.random.randint(low, high=None, size=None, dtype=‘l’)

作用： 返回一个在区间[low, high)中离散均匀抽样的数组，size指定形状，dtype指定数据类型。
参数：
low, high： int型，指定抽样区间[low, high)。
size： int型或int型的元组，指定形状。
dypte： 可选参数，指定数据类型，比如int,int64等，默认是np.int。
返回值： 如果指定了size，则返回一个int型的ndarray对象，否则返回一个服从该分布的int型随机数。

例子：

# 在[1, 10)之间离散均匀抽样，数组形状为3行2列
a = np.random.randint(1, 10, (3, 2))
print(a)

[[7 8]
 [7 9]
 [7 1]]
 
# 不提供size
b = np.random.randint(1, 10)
print(b)

2

# 指定dtype
c = np.random.randint(1, 10, dtype=np.int64)
print(c)
type(c)

9
numpy.int64

7、numpy.random.random(size=None)

作用： 返回从[0, 1)之间均匀抽样的数组，size指定形状。
参数：
size： int型或int型的元组，如果不提供则返回一个服从该分布的随机数
返回值： float型或者float型的ndarray对象

例子：

# [0, 1)之间的均匀抽样，3行2列
a = np.random.random((3, 2))
print(a)

[[0.7354624  0.90383045]
 [0.4802905  0.95329523]
 [0.97926236 0.68619852]]

# 不指定size
b = np.random.random()
print(b)

0.3137975773538786