python随机数生成代码_Python——随机数生成模块numpy.random

本文转载自:https://blog.csdn.net/jinxiaonian11/article/details/53143141

(说明:本人只限于收藏,未作他用。由于原作者声明“本文为博主原创文章,未经博主允许不得转载”,如侵犯版权,请联系删除。)

在数据分析中,数据的获取是第一步,numpy.random 模块提供了非常全的自动产生数据API,是学习数据分析的第一步。

总体来说,numpy.random模块分为四个部分,对应四种功能:

简单随机数: 产生简单的随机数据,可以是任何维度

排列:将所给对象随机排列

分布:产生指定分布的数据,如高斯分布等

生成器:种随机数种子,根据同一种子产生的随机数是相同的

以下是详细内容以及代码实例:(以下代码默认已导入numpy: import numpy as np )

1. 生成器

电脑产生随机数需要明白以下几点:

随机数是由随机种子根据一定的计算方法计算出来的数值。所以,只要计算方法一定,随机种子一定,那么产生的随机数就不会变。

只要用户不设置随机种子,那么在默认情况下随机种子来自系统时钟(即定时/计数器的值)

随机数产生的算法与系统有关,Windows和Linux是不同的,也就是说,即便是随机种子一样,不同系统产生的随机数也不一样。

numpy.random 设置种子的方法有:

函数名称函数功能参数说明

RandomState

定义种子类

RandomState是一个种子类,提供了各种种子方法,最常用seed

seed([seed])

定义全局种子

参数为整数或者矩阵

代码示例:

np.random.seed(1234) #设置随机种子为1234

2. 简单随机数

函数名称函数功能参数说明

rand(d0, d1, …, dn)

产生均匀分布的随机数

dn为第n维数据的维度

randn(d0, d1, …, dn)

产生标准正态分布随机数

dn为第n维数据的维度

randint(low[, high, size, dtype])

产生随机整数

low:最小值;high:最大值;size:数据个数

random_sample([size])

在[0,1)内产生随机数

size:随机数的shape,可以为元祖或者列表,[2,3]表示2维随机数,维度为(2,3)

random([size])

同random_sample([size])

同random_sample([size])

ranf([size])

同random_sample([size])

同random_sample([size])

sample([size]))

同random_sample([size])

同random_sample([size])

choice(a[, size, replace, p])

从a中随机选择指定数据

a:1维数组 size:返回数据形状

bytes(length)

返回随机位

length:位的长度

代码示例:

(1) np.random.rand(2,3) #产生2行三列均匀分布随机数组

Out[7]:

array([[0.35369993, 0.0086019 , 0.52609906],

[0.31978928, 0.27069309, 0.21930115]])

(2)In [8]: np.random.randn(3,3) #三行三列正态分布随机数据

Out[8]:

array([[2.29864491, 0.52591291, -0.80812825],

[0.37035029, -0.07191693, -0.76625886],

[-1.264493 , 1.12006474, -0.45698648]])

(3)In [9]: np.random.randint(1,100,[5,5]) #(1,100)以内的5行5列随机整数

Out[9]:

array([[87, 69, 3, 86, 85],

[13, 49, 59, 7, 31],

[19, 96, 70, 10, 71],

[91, 10, 52, 38, 49],

[8, 21, 55, 96, 34]])

(4)In [10]: np.random.random(10) #(0,1)以内10个随机浮点数

Out[10]:

array([0.33846136, 0.06517708, 0.41138166, 0.34638839, 0.41977818,0.37188863, 0.2508949 , 0.89923638, 0.51341298, 0.71233872])

(5)In [11]: np.random.choice(10) #[0,10)内随机选择一个数

Out[11]: 7

3. 分布

numpy.random模块提供了产生各种分布随机数的API:

函数名称函数功能参数说明

beta(a, b[, size])

贝塔分布样本,在 [0, 1]内。

binomial(n, p[, size])

二项分布的样本。

chisquare(df[, size])

卡方分布样本。

dirichlet(alpha[, size])

狄利克雷分布样本。

exponential([scale, size])

指数分布

f(dfnum, dfden[, size])

F分布样本。

gamma(shape[, scale, size])

伽马分布

geometric(p[, size])

几何分布

gumbel([loc, scale, size])

耿贝尔分布。

hypergeometric(ngood, nbad, nsample[, size])

超几何分布样本。

laplace([loc, scale, size])

拉普拉斯或双指数分布样本

logistic([loc, scale, size])

Logistic分布样本

lognormal([mean, sigma, size])

对数正态分布

logseries(p[, size])

对数级数分布。

multinomial(n, pvals[, size])

多项分布

multivariate_normal(mean, cov[, size])

多元正态分布。

negative_binomial(n, p[, size])

负二项分布

noncentral_chisquare(df, nonc[, size])

非中心卡方分布

noncentral_f(dfnum, dfden, nonc[, size])

非中心F分布

normal([loc, scale, size])

正态(高斯)分布

pareto(a[, size])

帕累托(Lomax)分布

poisson([lam, size])

泊松分布

power(a[, size])

Draws samples in [0, 1] from a power distribution with positive exponent a - 1.

rayleigh([scale, size])

Rayleigh 分布

standard_cauchy([size])

标准柯西分布

standard_exponential([size])

标准的指数分布

standard_gamma(shape[, size])

标准伽马分布

standard_normal([size])

标准正态分布 (mean=0, stdev=1).

standard_t(df[, size])

Standard Student’s t distribution with df degrees of freedom.

triangular(left, mode, right[, size])

三角形分布

uniform([low, high, size])

均匀分布

vonmises(mu, kappa[, size])

von Mises分布

wald(mean, scale[, size])

瓦尔德(逆高斯)分布

weibull(a[, size])

Weibull 分布

zipf(a[, size])

齐普夫分布

代码示例:

(1)正态分布importnumpy as npimportmatplotlib.pyplot as plt

mu= 1 #期望为1

sigma = 3 #标准差为3

num = 10000 #个数为10000

rand_data=np.random.normal(mu, sigma, num)

count, bins, ignored= plt.hist(rand_data, 30, normed=True)

plt.plot(bins,1/(sigma * np.sqrt(2 * np.pi)) *np.exp( - (bins - mu)**2 / (2 * sigma**2)), linewidth=2, color='r')

plt.show()

得到图像:

1176635-20180912112442496-461573591.png

4. 排列

函数名称函数功能参数说明

shuffle(x)

打乱对象x(多维矩阵按照第一维打乱)

矩阵或者列表

permutation(x)

打乱并返回该对象(多维矩阵按照第一维打乱)

整数或者矩阵

代码示例:

(1)正态分布importnumpy as np

rand_data= np.random.randint(1, 10, (3, 4))print(rand_data)

np.random.shuffle(rand_data)print(rand_data)

out:

[[4 4 4 8]

[5 6 8 2]

[1 7 6 6]]

[[4 4 4 8]

[1 7 6 6]

[5 6 8 2]]#按照行打乱了,也就是交换了行

评论
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