3.np.random

1. np.random.seed

np.random.seed()函数用于生成指定随机数。
seed()被设置了之后，np.random.random()可以按顺序产生一组固定的数组，如果使用相同的seed()值，则每次生成的随机数都相同。
如果不设置这个值，那么每次生成的随机数不同。只在调用的时候seed()一次，不能使生成的随机数相同，需要每次调用都seed()一下，表示种子相同，从而生成的随机数相同。

#只在调用的时候seed()一次，生成不同的随机数
np.random.seed(1)
List1 = np.random.randn(4,4)
List2 = np.random.randn(4,4)
# List1 ！= List2

#每次调用都seed()同一个值
np.random.seed(1)
List3 = np.random.randn(4,4)
np.random.seed(1)
List4 = np.random.randn(4,4)
# List1 == List2

print("List1:",List1)
print("List2:",List2)
print("List3:",List3)
print("List4:",List4)

# 输出：
List1: [[ 1.62434536 -0.61175641 -0.52817175 -1.07296862]
 [ 0.86540763 -2.3015387   1.74481176 -0.7612069 ]
 [ 0.3190391  -0.24937038  1.46210794 -2.06014071]
 [-0.3224172  -0.38405435  1.13376944 -1.09989127]]
List2: [[-0.17242821 -0.87785842  0.04221375  0.58281521]
 [-1.10061918  1.14472371  0.90159072  0.50249434]
 [ 0.90085595 -0.68372786 -0.12289023 -0.93576943]
 [-0.26788808  0.53035547 -0.69166075 -0.39675353]]
List3: [[ 1.62434536 -0.61175641 -0.52817175 -1.07296862]
 [ 0.86540763 -2.3015387   1.74481176 -0.7612069 ]
 [ 0.3190391  -0.24937038  1.46210794 -2.06014071]
 [-0.3224172  -0.38405435  1.13376944 -1.09989127]]
List4: [[ 1.62434536 -0.61175641 -0.52817175 -1.07296862]
 [ 0.86540763 -2.3015387   1.74481176 -0.7612069 ]
 [ 0.3190391  -0.24937038  1.46210794 -2.06014071]
 [-0.3224172  -0.38405435  1.13376944 -1.09989127]]

2. np.random.choice

2.1 产生随机数

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

#从a(只要是ndarray都可以，但必须是一维的)中随机抽取数字，并组成指定大小(size)的数组
# a为一维数组或int，如果是int，则生成随机样本，就好像a是np.arange(N)一样。

#replace:True表示可以取相同数字，False表示不可以取相同数字。代表的意思是抽样之后还放不放回去

#数组p：与数组a相对应，表示取数组a中每个元素的概率，默认为选取每个元素的概率相同。

除了numpy中的数组，python内建的list（列表）、tuple（元组）也可以使用。

print(np.random.choice(5)) #从[0, 5)中随机输出一个随机数
#相当于np.random.randint(0, 5)
	

print(np.random.choice(5, 3))#在[0, 5)内输出五个数字并组成一维数组（ndarray）
#相当于np.random.randint(0, 5, 3)

#输出
1
[0 4 1]

2.2 从数组、列表或元组中随机抽取

注意：不管是什么，它必须是一维的！

L = [1, 2, 3, 4, 5]#list列表
T = (2, 4, 6, 2)#tuple元组
A = np.array([4, 2, 1])#numpy,array数组,必须是一维的
A0 = np.arange(10).reshape(2, 5)#二维数组会报错

array = np.random.choice(L, 5)
print(array)
	
array = np.random.choice(T, 5)
print(array)
 
array = np.random.choice(A, 5)
print(array)
array = np.random.choice(A0, 5)#如果是二维数组，会报错

#输出
[1 1 4 3 2]
[2 6 2 2 6]
[2 2 2 4 4]

np.random.choice参数的 a 必须是一维的

• 参数replace
  用来设置是否可以取相同元素：
  True表示可以取相同数字；
  False表示不可以取相同数字。
  默认是True

print(np.random.choice(5, 6, replace=True))#可以看到有相同元素

print(np.random.choice(5, 6, replace=False))#会报错，因为五个数字中取六个，不可能不取到重复的数
字

#输出
[1 3 4 2 4 0]

• 参数p
  p实际是个数组，大小（size）应该与指定的a相同，用来规定选取a中每个元素的概率，默认为概率相同。p数组的 概率和 = 1

aa_milne_arr = ['pooh', 'rabbit', 'piglet', 'Christopher']
print(np.random.choice(aa_milne_arr, 10, p=[0.6, 0.1, 0.1, 0.2]))
#可以看到，‘pooh’被选取的概率明显比其他几个高很多
['pooh' 'piglet' 'Christopher' 'piglet' 'pooh' 'piglet' 'pooh' 'pooh' 'Christopher' 'pooh']

• 参数 size
  size = 一个整数。一维数组
  size = 2个整数。二维数组

split_traces_indexes = np.random.choice(np.arange(20),size=(4, 5),replace=False)
print(split_traces_indexes)

#输出
[[13 17  1 16 18]
 [15 14 19  3 11]
 [ 9 12  7 10  2]
 [ 0  8  6  5  4]]

3.综合例子

trace_files = [1,2,3,4,5,6,7,8,9,10,11,12]
split_traces_indexes = np.random.choice(np.arange(len(trace_files)),size=(3, 4),replace=False)
trace_file_change = np.array(trace_files)[split_traces_indexes]

print(split_traces_indexes)
print(trace_file_change)

#输出
[[10  9  1 11]
 [ 7  2  5  4]
 [ 6  8  0  3]]
 
[[11 10  2 12]
 [ 8  3  6  5]
 [ 7  9  1  4]]