本文总结了常见的生成随机数的方法。
一、使用numpy.random模块生成随机数
1、生成标准正态分布,均值为0,方差为1。
numpy.random.
randn
(d0, d1, ..., dn)
通过下面的公式可以将标准正太分布转换为
2、生成任意参数的正态分布
numpy.random.
normal
(loc=0.0, scale=1.0, size=None)
这个方法中可以指定均值loc和标准差scale。
3、生成[0,1)之间的均匀分布随机数
numpy.random.
random
(size=None)
实例代码如下:
# encoding:utf-8
import numpy as np
import matplotlib.pyplot as plt
# 生成符合正太分布的随机数
mean = 5 # 均值
std = 3 # 方差
standard_normal_distribution = np.random.randn(2000)
normal_distribution = standard_normal_distribution * std + mean
gaussian_distribution = np.random.normal(loc=mean,scale=std,size=2000)
# 生成符合均匀分布的随机数
continuous_uniform_distribution = np.random.random(2000)
plt.subplot(2,2,1)
plt.hist(standard_normal_distribution,bins=20,color='r',alpha=0.4,edgecolor='g')
plt.title("np.random.randn")
plt.subplot(2,2,2)
plt.hist(normal_distribution,bins=20,color='r',alpha=0.4,edgecolor='g')
plt.title("derived from np.random.randn")
plt.subplot(2,2,3)
plt.hist(gaussian_distribution,bins=20,color='r',alpha=0.4,edgecolor='g')
plt.title("np.random.normal")
plt.subplot(2,2,4)
plt.hist(continuous_uniform_distribution,bins=20,color='r',alpha=0.4,edgecolor='g')
plt.title("np.random.random")
plt.show()
结果图如下:
.