Numpy库中的random模块

random模块用于生成随机数，下面看看模块中一些常用函数的用法：

• numpy.random.rand(d0, d1, ..., dn)：生成一个[0,1)之间的随机浮点数或N维浮点数组。

[python]  view plain  copy

1. #numpy.random.rand(d0, d1, ..., dn)  
2. import numpy as np  
3. #无参  
4. np.random.rand()#生成生成[0,1)之间随机浮点数  
5. type(np.random.rand())#float  
6. #d0,d1....表示传入的数组形状  
7. #一个参数  
8. np.random.rand(1)#array([ 0.44280931])  
9. type(np.random.rand(1))#numpy.ndarray  
10. np.random.rand(5)#生成一个形状为5的一维数组  
11. #两个参数  
12. np.random.rand(2,3)#生成2x3的二维数组  
13. #np.random.rand((2,3))#报错,参数必须是整数,不能是元组  

• numpy.random.randn(d0, d1, ..., dn)：生成一个浮点数或N维浮点数组，取数范围：正态分布的随机样本数。

[python]  view plain  copy

1. #numpy.random.randn(d0, d1, ..., dn)  
2. import numpy as np  
3. #无参  
4. np.random.randn()#1.4872544578730051，不一定是[0,1)之间的随机数  
5. #一个参数  
6. np.random.randn(1)  
7. np.random.randn(5)#生成形状为5的一维数组  
8. #两个参数  
9. np.random.randn(2,3)#生成2x3数组  
10. #np.random.randn((2,3))#报错,参数必须是整数  

• numpy.random.standard_normal(size=None)：生产一个浮点数或N维浮点数组，取数范围：标准正态分布随机样本

[python]  view plain  copy

1. import numpy as np  
2. #numpy.random.standard_normal(size=None)  
3. #size为整数  
4. np.random.standard_normal(2)#array([-2.04606393, -1.05720303])  
5. #size为整数序列  
6. np.random.standard_normal((2,3))  
7. np.random.standard_normal([2,3]).shape#(2, 3)  

• numpy.random.randint(low, high=None, size=None, dtype='l')：生成一个整数或N维整数数组，取数范围：若high不为None时，取[low,high)之间随机整数，否则取值[0,low)之间随机整数。

[python]  view plain  copy

1. #numpy.random.randint(low, high=None, size=None, dtype='l')  
2. import numpy as np  
3. #low=2  
4. np.random.randint(2)#生成一个[0,2)之间随机整数  
5. #low=2,size=5  
6. np.random.randint(2,size=5)#array([0, 1, 1, 0, 1])  
7. #low=2,high=2  
8. #np.random.randint(2,2)#报错,high必须大于low  
9. #low=2,high=6  
10. np.random.randint(2,6)#生成一个[2,6)之间随机整数  
11. #low=2,high=6,size=5  
12. np.random.randint(2,6,size=5)#生成形状为5的一维整数数组  
13. #size为整数元组  
14. np.random.randint(2,size=(2,3))#生成一个2x3整数数组,取数范围：[0,2)随机整数  
15. np.random.randint(2,6,(2,3))#生成一个2x3整数数组,取值范围：[2,6)随机整数  
16. #dtype参数：只能是int类型  
17. np.random.randint(2,dtype='int32')  
18. np.random.randint(2,dtype=np.int32)  

• numpy.random.random_integers(low, high=None, size=None)：生成一个整数或一个N维整数数组，取值范围：若high不为None，则取[low,high]之间随机整数，否则取[1,low]之间随机整数。

[python]  view plain  copy

1. #numpy.random.random_integers(low, high=None, size=None)  
2. import numpy as np  
3. #low=2  
4. np.random.random_integers(2)#生成一个[1,2]之间随机整数  
5. #low=2、size=5  
6. np.random.random_integers(2,size=5)#array([2, 1, 1, 1, 1])  
7. #low=2、high=6  
8. np.random.random_integers(2,6)#生成一个[2,6]之间随机整数  
9. #low=2、high=6、size=5  
10. np.random.random_integers(2,6,size=5)#生成一个形状为5的一维整数数组组  
11. #size为整数元组  
12. np.random.random_integers(2,size=(2,3))#生成一个2x3数组,取数范围：[1,2]随机整数  
13. np.random.random_integers(2,6,(2,3))#生成一个2x3数组，取数范围：[2,6]随机整数  

• numpy.random.random_sample(size=None)：生成一个[0,1)之间随机浮点数或N维浮点数组。

[python]  view plain  copy

1. #numpy.random.random_sample(size=None)  
2. import numpy as np  
3. #size=None  
4. np.random.random_sample()#生成一个[0,1)之间随机浮点数  
5. #size=2  
6. np.random.random_sample(2)#生成shape=2的一维数组  
7. #size为整数元组  
8. np.random.random_sample((2,))#等同np.random.random_sample(2)  
9. #np.random.random_sample((,2))#报错  
10. np.random.random_sample((2,3))#生成2x3数组  
11. np.random.random_sample((3,2,2))#3x2x2数组  

• numpy.random.choice(a, size=None, replace=True, p=None)：从序列中获取元素，若a为整数，元素取值为np.range(a)中随机数；若a为数组，取值为a数组元素中随机元素。

[python]  view plain  copy

1. #numpy.random.choice(a, size=None, replace=True, p=None)  
2. import numpy as np  
3. #a为整数，size为None  
4. np.random.choice(2)#生成一个range(2)中的随机数  
5. #a为整数,size为整数  
6. np.random.choice(2,2)#生成一个shape=2一维数组  
7. #a为整数,size为整数元组  
8. np.random.choice(5,(2,3))#生成一个2x3数组  
9. #a为数组,size为None  
10. np.random.choice(np.array(['a','b','c','f']))#生成一个np.array(['a','b','c','f']中随机元素  
11. #a为数组,size为整数  
12. np.random.choice(5,(2,3))#生成2x3数组  
13. #a为数组,size为整数元组  
14. np.random.choice(np.array(['a','b','c','f']),(2,3))#生成2x3数组  
15. #p参数：可以理解成a中元素出现的概率，p的长度和a的长度必须相同，且p中元素之和为1，否则报错  
16. #np.random.choice(2,p=[1])#报错，a和p长度不一致  
17. np.random.choice(5,p=[0,0,0,0,1])#生成的始终是4  
18. np.random.choice(5,3,p=[0,0.5,0.5,0,0])#生成shape=3的一维数组，元素取值为1或2的随机数  

• numpy.random.shuffle(x)：对X进行重排序，如果X为多维数组，只沿第一条轴洗牌，输出为None。

[python]  view plain  copy

1. #numpy.random.shuffle(x)  
2. import numpy as np  
3. list1 = [1,2,3,4,5]  
4. np.random.shuffle(list1)#输出None  
5. list1#[1, 2, 5, 3, 4],原序列的顺序也被修改  
6. arr = np.arange(9).reshape(3,3)  
7. np.random.shuffle(arr)#对于多维数组，只沿着第一条轴打乱顺序  

• numpy.random.permutation(x)：与numpy.random.shuffle(x)函数功能相同，两者区别：peumutation(x)不会修改X的顺序。

[python]  view plain  copy

1. #numpy.random.permutation(x)  
2. import numpy as np  
3. #x=5  
4. np.random.permutation(5)#生成一个range(5)随机顺序的数组  
5. #x为列表或元组  
6. list1 = [1,2,3,4]  
7. np.random.permutation(list1)#array([2, 1, 4, 3])  
8. #list1#[1, 2, 3, 4]  
9. #x为数组  
10. arr = np.arange(9)  
11. np.random.permutation(arr)  
12. arr2 = np.arange(9).reshape(3,3)  
13. np.random.permutation(arr2)#对于多维数组，只会沿着第一条轴打乱顺序