Numpy--------(七)

1.1 函数式

1.随机数

    numpy.random.rand()

• numpy.random.rand(d0, d1, ..., dn):指定形状(d0, d1, ..., dn)创建一个随机的ndarray。每个元素值来自于半闭半开区间[0,1)并且服从均匀分布。

  • 要求d0, d1, ..., dn为整数
  • 如果未提供参数，则返回一个随机的浮点数而不是ndarray，浮点数值来自于半闭半开区间[0,1)并且服从均匀分布。

• numpy.random.randn(d0, d1, ..., dn)：指定形状(d0, d1, ..., dn)创建一个随机的ndarray。每个元素值服从正态分布，其中正态分布的期望为0，方差为1。

  • 要求d0, d1, ..., dn为整数或者可以转换为整数
  • 如果di为浮点数，则截断成整数
  • 如果未提供参数，则返回一个随机的浮点数而不是ndarray，浮点数值服从正态分布，其中正态分布的期望为0，方差为1。

• numpy.random.randint(low[, high, size])：返回一个随机的整数ndarray或者一个随机的整数值。

  • 如果high为None，则表示整数值都取自[0,low)且服从discrete uniform分布（离散均匀分布）。
  • 如果high给出了值，则表示整数值都取自[low,high)且服从discrete uniform分布（离散均匀分布）。
  • size是一个整数的元组，指定了输出的ndarray的形状。如果为None则表示输出为单个整数值。

• numpy.random.random_integers(low[, high, size])：返回一个随机的整数ndarray或者一个随机的整数值。

  • 如果high为None，则表示整数值都取自[1,low]且服从discrete uniform分布
  • 如果high给出了值，则表示整数值都取自[low,high]且服从discrete uniform分布
  • size是一个整数的元组，指定了输出的ndarray的形状。如果为None则表示输出为单个整数值。它与randint区别在于randint是半闭半开区间，而random_integers是全闭区间。
• numpy.random.random_sample([size])：返回一个随机的浮点ndarray或者一个随机的浮点值，浮点值是[0.0,1.0)之间均匀分布的随机数。
• size为整数元组或者整数，指定结果ndarray的形状。如果为None则只输出单个浮点数
• 如果想生成[a,b)之间均匀分布的浮点数，那么你可以用(b-a)*random_sample()+a
• 如果size有效，它的效果等于numpy.random.rand(*size)； 如果size无效，它的效果等于numpy.random.rand()
• 

• numpy.random.random([size])：等价于numpy.random.random_sample([size])

• numpy.random.ranf([size])：等价于numpy.random.random_sample([size])

• numpy.random.sample([size])：等价于numpy.random.random_sample([size])

• 

numpy.random.choice(a[, size, replace, p]):从一维数组中采样产生一组随机数或者一个随机数

• a为一位数组或者int，如果是int则采样数据由numpy.arange(n)提供,即范围为（1，n），否则采用数据由a提供。

• size为整数元组或者整数，指定结果ndarray的形状。如果为None则只输单个值。

• replace：如果为True则可以重复采样（有放回的采样）；如果为False，则采用不放回的采样。

• p：为一维数组，用于指定采样数组中每个元素值的采样概率。如果为None则均匀采样。

• 如果参数有问题则抛出异常：比如a为整数但是小于0，比如p不满足概率和为1，等等。。

• 

numpy.random.bytes(length)：返回length长度的随机字节串。length指定字节长度。

        

2.排列组合

    numpy.random.shuffle(x): 原地随机混排x 的内容，返回None。x为array-like 

numpy.random.permutation(x)：随机重排x，返回重排后的ndarray。x为array-like对象，不会修改它。

• 如果x是个整数，则重排numpy.arange(x)。

• 如果x是个数组，则拷贝它然后对拷贝进行混排,，这样保证不会修改x。

•      如果x是个多维数则知识混洗它的第0维

• 

3.概率分布函数：下面是共同参数：size若非None，则它指定输出ndarray的形状。如果为None，则输出单个值。

    numpy.random.beta(a, b[, size])：Beta分布。其中a,b都是Beta分布的参数，要求非负浮点数。

   

   numpy.random.binomial(n, p[, size]):二项分布。其中n,p都是二项分布的参数，要求n为大于等于0的浮点数，如果它为浮点数则截断为整数；p为[0,1]之间的浮点数。

                                                 

numpy.random.chisquare(df[, size]):卡方分布。其中df为整数，是卡方分布的自由度（若小于等于0则抛出异常）。

      

• numpy.random.dirichlet(alpha[, size]):狄利克雷分布。其中alpha是个数组，为狄利克雷分布的参数。

• numpy.random.exponential([scale, size]):指数分布。scale为浮点数，是参数 β。

• 指数分布的概率密度函数为：

• 

• numpy.random.f(dfnum, dfden[, size]):F分布。dfnum为浮点数，应该大于0，是分子的自由度； dfden是浮点数，应该大于0，是分母的自由度。

• numpy.random.gamma(shape[, scale, size]):伽玛分布。其中shape是个大于0的标量，表示分布的形状；scale是个大于0的标量，表示伽玛分布的scale（默认为1）。

• 伽玛分布的概率密度函数为:

• 

• 其中k为形状，  为scale

• numpy.random.geometric(p[, size]):几何分布。其中p是单次试验成功的概率。

• 几何分布为：

• 

numpy.random.gumbel([loc, scale, size]):甘贝尔分布。其中loc为浮点数，是分布的location of mode，scale是浮点数，为scale。

• 甘贝尔分布:

•          

• 其中  为location of mode，  为scale。

• 

4、总结

    内容来自网络，侵删。