python 生成均匀分布的随机数_Python数据分析入门日记Day5 :科学技术库Numpy:生成随机数...

Python数据分析入门日记Day5

——科学技术库Numpy：生成随机数

今天学习了在Numpy中生成随机数，主要运用到random模块，这是关于学习Python科学数据库Numpy的最后一天啦，内容很轻松。

1、random.rand()

利用random.rand()函数，可以生成在0~1范围内满足均匀分布的随机数。在“()”中输入数字4，将生成4个数字，满足均匀分布。

若要生成满足均匀分布的二维数组，如：在“()”中输入5，4，则会生成一个五行四列的、元素满足在0~1之间均匀分布的数组，也就说每一个元素被抽中的概率都是相等的。

2、random.randn()

random.randn()函数生成的是以零为中心的标准正态分布。比如，用这个函数生成7个随机数，结果如下：

生成的这7个数字，绘制成的图像，应该满足标准正态分布。若要生成满足该分布的二维数组，则在“()”中输入4,5，会生成一个四行五列的、满足以零为中心标准正态分布的矩阵。

3、random.randint()

看到random.randint()函数末尾的int，就可以知道，该函数是为了生成一些整数型随机数的，在利用时应注意其参数值的意义：

根据输出结果，可以得出结论：第一个和第二个参数规定了所生成随机数的范围，第三个参数规定了生成随机数的个数。特别注意的是：在生成的随机数中，可以包含最小值，但不能生成最大值，比如，在例子中，生成的随机数可能出现5，但不可能生成20，另外，第三个参数表示生成随机数的长度，缺省时默认为长度为1，即只生成一个随机数。

4、 高级随机生成数组的函数

(1)二项分布

random.binomial(n,p,size=N)随机生成一组服从二项分布的随机数，其中，三个参数分别表示：n表示试验次数，p代表概率，N代表随机生成的轮数。具体使用如下：

对上述代码可以解释为：假如一次抛掷9枚硬币，每枚硬币出现正面或反面的概率都是0.5，共重复10次这样的试验。

(2)超几何分布

该函数用来生成服从超几何分布的随机数。

random.hypergeometric(n1,n2,n,size=N)函数:

对上述代码可以解释为：共50个产品，正品有47个，次品有3个，每次从这些产品中取3个出来，共重复这样的试验50次。假设返回的是每一次所抽取的三个产品中的正品数，共50个值。

(3)正态分布

np.random.normal(loc,scale,size=N)函数用来生成服从正态分布的随机数，其中的三个参数意义分别是：loc表示均值，scale表示标准差，N代表所重复试验次数。当第一个和第二个参数缺省时，默认生成服从均值为0，标准差为1的标准正态分布。若想要生成100个服从标准正态分布的随机数，具体操作如下：

关于在Numpy中生成随机数的学习就到这里，至此有关Python科学技术库Numpy的学习就告一段落了，Numpy的功能远远超过我们学习的这些，我也只是学习了一些基础的函数和计算，希望通过这5天的记录和分享，不仅可以起到对之前掌握的知识加深记忆的作用，也可以和大家共同交流讨论。如果对日记内容有何指点，欢迎留言讨论！

Ovaltine