python中integer用法_python numpy random.Generator.integers用法及代码示例

从低(包含)到高(包含)返回随机整数，或者如果endpoint = True，则从低(包含)到高(包含)返回随机整数。取代RandomState.randint(端点为False)和RandomState.random_integers(端点= True)

从指定dtype的“discrete uniform”分布返回随机整数。如果high为None(默认值)，则结果为0到low。

参数：low： ： int 或 array-like of ints

从分布中得出的最低(带符号)整数(除非high=None，在这种情况下，此参数为0，并且此值表示高)。

high： ： int 或 array-like of ints, 可选参数

如果提供的话，则从分布中得出的最大(有符号)整数上方的一个(有关行为，请参见上文high=None)。如果array-like，则必须包含整数值

size： ： int 或 tuple of ints, 可选参数

输出形状。如果给定的形状是(m, n, k)， 然后m * n * k抽取样品。默认值为无，在这种情况下，将返回单个值。

dtype： ： {str, dtype}, 可选参数

结果的所需dtype。所有dtype均由其名称(即‘int64’，‘int’等)确定，因此字节顺序不可用，并且特定精度可能会因平台而异。默认值为“ np.int”。

endpoint： ： bool, 可选参数

如果为true，则从时间间隔[low，high]而不是默认值[low，high]采样默认为False

返回值：out： ： int或int的ndarray

size-shaped来自适当分布的随机整数数组；如果未提供大小，则为单个此类随机int。

注意：

当使用具有uint64 dtypes的广播时，最大值(2 ** 64)不能表示为标准整数类型。高位数组(如果高为None，则为低)必须具有对象dtype，例如array([2 ** 64])。

参考文献：

[1]Daniel Lemire。“区间中的快速随机整数生成”，关于建模和计算机仿真的ACM交易29(1)，2019年，http://arxiv.org/abs/1805.10941。

例子：

>>> rng = np.random.default_rng()

>>> rng.integers(2, size=10)

array([1, 0, 0, 0, 1, 1, 0, 0, 1, 0]) # random

>>> rng.integers(1, size=10)

array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])

生成一个2 x 4 int数组，介于0和4之间，包括以下值：

>>> rng.integers(5, size=(2, 4))

array([[4, 0, 2, 1],

[3, 2, 2, 0]]) # random

生成具有3个不同上限的1 x 3数组

>>> rng.integers(1, [3, 5, 10])

array([2, 2, 9]) # random

生成具有3个不同下限的1 x 3数组

>>> rng.integers([1, 5, 7], 10)

array([9, 8, 7]) # random

使用uint8的dtype广播生成2 x 4数组

>>> rng.integers([1, 3, 5, 7], [[10], [20]], dtype=np.uint8)

array([[ 8, 6, 9, 7],

[ 1, 16, 9, 12]], dtype=uint8) # random