numpy.random.randint用法

numpy.random.randint(low, high=None, size=None, dtype='l')

函数的作用是,返回一个随机整型数,范围从低(包括)到高(不包括),即[low, high)。
如果没有写参数high的值,则返回[0,low)的值。

参数如下:

  • low: int
    生成的数值最低要大于等于low。
    (hign = None时,生成的数值要在[0, low)区间内)
  • high: int (可选)
    如果使用这个值,则生成的数值在[low, high)区间。
  • size: int or tuple of ints(可选)
    输出随机数的尺寸,比如size = (m * n* k)则输出同规模即m * n* k个随机数。默认是None的,仅仅返回满足要求的单一随机数。
  • dtype: dtype(可选):
    想要输出的格式。如int64int等等

输出:

  • out: int or ndarray of ints
    返回一个随机数或随机数数组
例子
>>> np.random.randint(2, size=10)
array([1, 0, 0, 0, 1, 1, 0, 0, 1, 0])
>>> np.random.randint(1, size=10)
array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])
>>> np.random.randint(5, size=(2, 4))
array([[4, 0, 2, 1],
       [3, 2, 2, 0]])
>>>np.random.randint(2, high=10, size=(2,3))
array([[6, 8, 7],
       [2, 5, 2]])
  • 174
    点赞
  • 542
    收藏
    觉得还不错? 一键收藏
  • 13
    评论
NumPyPython中一个广泛使用的科学计算库,numpy.random模块是NumPy中专门用于生成各种随机数的模块,提供了非常丰富的随机数生成函数。 下面是一些常用的numpy.random函数: 1. numpy.random.rand(d0, d1, ..., dn):生成一个0到1之间的随机浮点数,可以传入多维度的参数。 2. numpy.random.randn(d0, d1, ..., dn):生成一个标准正态分布的随机浮点数,可以传入多维度的参数。 3. numpy.random.randint(low, high=None, size=None, dtype='l'):生成一个指定范围内的整数,可以指定生成的数组形状。 4. numpy.random.normal(loc=0.0, scale=1.0, size=None):生成一个指定均值和标准差的正态分布随机数,可以指定生成的数组形状。 5. numpy.random.choice(a, size=None, replace=True, p=None):从序列a中随机选择元素,可以指定元素的概率分布。 6. numpy.random.shuffle(x):将数组x中的元素随机打乱。 7. numpy.random.seed(seed=None):指定随机数生成器的种子,以便于重复实验。 使用方法如下: ```python import numpy as np # 生成一个2x3的随机浮点数数组 print(np.random.rand(2, 3)) # 生成一个2x3的标准正态分布随机数数组 print(np.random.randn(2, 3)) # 生成一个1到10之间的随机整数数组,形状为2x3 print(np.random.randint(1, 10, size=(2, 3))) # 生成一个均值为0,标准差为1的正态分布随机数数组,形状为2x3 print(np.random.normal(loc=0, scale=1, size=(2, 3))) # 从列表中随机选择两个元素 a = [1, 2, 3, 4, 5] print(np.random.choice(a, size=2)) # 将列表随机打乱 np.random.shuffle(a) print(a) # 指定随机数生成器的种子,以便于重复实验 np.random.seed(0) print(np.random.rand(2, 3)) np.random.seed(0) print(np.random.rand(2, 3)) np.random.seed(1) print(np.random.rand(2, 3)) ``` 以上代码输出结果如下: ``` [[0.57959628 0.08073821 0.10431304] [0.15776023 0.68428247 0.60793829]] [[ 0.12372191 -0.31097988 0.37756379] [-1.2319817 -0.3248719 0.56368516]] [[8 4 7] [4 9 5]] [[ 0.5488135 1.96578057 0.24875314] [ 0.16454949 0.56702035 -0.22232814]] [1 3] [4, 5, 2, 1, 3] [[0.5488135 0.71518937 0.60276338] [0.54488318 0.4236548 0.64589411]] [[0.5488135 0.71518937 0.60276338] [0.54488318 0.4236548 0.64589411]] [[4.17022005e-01 7.20324493e-01 1.14374817e-04] [3.02332573e-01 1.46755891e-01 9.23385948e-02]] ``` 需要注意的是,numpy.random模块中的随机数生成器都是伪随机数生成器,它们的随机数序列是通过固定的算法和种子生成的,因此可以通过设置种子来控制随机数的生成,以便于重复实验。
评论 13
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值