文章目录
1. 使用 random 包生成随机数
可以生成
均匀分布,
高斯分布,(包括正态分布)
指数分布,(与泊松分布有区别:泊松分布表示一段时间发生多少次,而指数分布表示两次发生的时间间隔)
贝塔分布,
韦布尔分布的随机数
由此可见,random 包支持的随机分布比较有限,功能较少.
例如:
(1) 生成 [1, 10] 内的均匀分布随机数
import random
random.uniform(1, 10)
(2) 生成 [1, 10] 内的随机整数
random.randint(1, 10)
(3) 生成一个正态分布的随机数,均值为 5, 标准差为 1
random.gauss(5, 1)
(4) 生成一个指数分布的随机数,均值为 5
random.expovariate(0.2)
Out[37]: 4.670169382329602
2. 使用 numpy 包生成随机数
numpy 包的 random 方法基本支持所有分布,并且能够一次生成多行多列的随机数.
例如:
(1) 生成 [1, 10] 内的均匀分布随机数, 2 行 2 列
import numpy as np
np.random.uniform(1, 10, [2,2])
(2) 生成 [1, 10] 内的随机整数, 2 行 2 列
np.random.randint(1, 10, [2,2])
(3) 生成一个正态分布的随机数,均值为 5, 标准差为 1, 2 行 2 列
np.random.normal(5, 1, [2,2])
(4) 生成一个泊松分布的随机数,均值为 5, 2 行 2 列
np.random.poisson(5, [2,2])
(4) 生成一个指数分布的随机数,均值为 5, 2 行 2 列
np.random.exponential(5, [2,2])
2.1 通过 random.seed() 参数设定随机数生成器的种子
numpy 还可以通过 random.seed() 参数设定随机数生成器的种子,同样的种子生成的随机数应该是相同的。
np.random.seed(500)
np.random.normal(5, 1, 6) # 生成 6 个正态分布的随机数,均值为 5, 标准差为 1
这样每次运行的输出结果都是
array([4.62263642, 5.16675892, 5.68280238, 6.92137877, 4.8029632 ,
4.24012124])
2.2 通过 RandomState() 设置随机数生成器
另外 numpy 还可以通过 RandomState() 来定义一个随机数生成器对象,小括号里面的参数为随机数种子,然后用这个对象调用具体的各个随机分布生成器函数。例如:
rvs = np.random.RandomState(500)
rvs.normal(5, 1, 6) # 生成 6 个正态分布的随机数,均值为 5, 标准差为 1
3. 使用 scipy 包生成随机数
用 scipy 包不同分布函数自带的 rvs 生成随机数,例如,生成一个正态分布的 2 行 2 列随机数,均值为 5, 标准差为 1:
import scipy.stats as st
st.norm.rvs(loc=5, scale=1, size=[2,2])
生成一个泊松分布的 2 行 2 列随机数,均值为 5:
st.poisson.rvs(mu=5, size=[2,2])