python中常用的随机函数有:1)np.random.rand;2)np.random.randint;3)np.random.randn;4)np.random.random。
1. np.random.rand(d0, d1, ..., dn)
根据给定维度生成[0,1)之间的数据,包含0,不包含1。其中dn表示每个维度的大小,n表示维度的个数。返回值为指定维度的array。
举例:
1 importnumpy as np2
3 x = np.random.rand(3, 2)4 print(x.shape)5 print(x)
7
8 """
9 输出结果:10 (3, 2)11 [[0.55911292 0.5242528 ]12 [0.15812263 0.88402055]13 [0.50265009 0.65779738]]14 """
2. np.random.randn(d0, d1, …, dn)
randn函数返回一个或一组样本,具有标准正态分布,均值为0,标准差为1。其中dn表示每个维度的大小,n表示维度的个数。返回值为指定维度的array。
举例:
1 importnumpy as np2
3 x = np.random.randn(3, 2)4 print(x.shape)5 print(x)6
7 """
8 输出结果:9 (3, 2)10 [[-0.81758026 -0.0527769 ]11 [ 0.36913285 1.67281363]12 [ 0.83645057 -0.54296909]]13 """
3. np.random.randint(low[, high, size])
返回随机整数,范围区间为[low,high),包含low,不包含high。其中low为最小值,high为最大值,size为数组维度大小,dtype为数据类型,默认的数据类型是np.int。high没有填写时,默认生成随机数的范围是[0,low)。
1 importnumpy as np2
3 x = np.random.randint(3)4 print(x)5 #1
6
7 x = np.random.randint(1,5)8 print(x)9 #3
10
11 x = np.random.randint(3, size=5)12 print(x)13 #[0 1 2 2 0]
14
15 x = np.random.randint(3, size=[2, 2])16 print(x)17 """
18 [[2 0]19 [0 1]]20 """
4. np.random.random([size])
生成[0,1)之间的浮点数,与np.random.rand()功能类似。举例:
1 importnumpy as np2
3 x = np.random.random(size=[2, 2])4 print(x)5 """
6 [[0.94329549 0.93561065]7 [0.33493102 0.67862068]]8 """
numpy.random.random_sample(size=None)
numpy.random.ranf(size=None)
numpy.random.sample(size=None)
上面三个函数同样具有类似的功能。
5. np.random.choice(a[, size, replace, p])
从一个给定的一维数组,生成一个随机样本.
参数: a为一维数组类似数据或整数;size为数组维度;repalce参数为是否可以重复,当设置为FALSE时,不能出现重复的数据;p为数组中的数据出现的概率。
a为整数时,对应的一维数组为np.arange(a)。
1 importnumpy as np2
3 """
4 第一个参数值5对应的a,即传入的数据组5 第二个参数3就是数组的size,传入单值时,数据维度是一维的6 此处将生成一个一维数据包含3个小于5的整数的数组7 """
8 x = np.random.choice(5, 3)9 print(x)10 #[4 0 4]
11
12 #给数组中每个数据出现的概率赋值
13 x = np.random.choice(5, 3, p=[0.1, 0, 0.3, 0.6, 0])14 print(x)15 #[3 2 2]
16
17 #repalce参数为是否可以重复,当设置为FALSE时,不能出现重复的数据
18 x = np.random.choice(5, 4, replace=False)19 print(x)20 #[2 4 1 0]
21
22 #也可以传入非数字、字符串的数组
23 demo_list = ["lenovo", "sansumg","moto","xiaomi", "iphone"]24 x = np.random.choice(demo_list,size=(3,3))25 print(x)26 """
27 [["sansumg" "sansumg" "xiaomi"]28 ["sansumg" "iphone" "sansumg"]29 ["lenovo" "xiaomi" "lenovo"]]30 """
6. np.random.seed()
生成随机数的种子,使得每次生成随机数相同。当我们设置相同的seed,每次生成的随机数相同。如果不设置seed,则每次会生成不同的随机数。
举例:
1 importtensorflow as tf2 importnumpy as np3 from sklearn.utils importcheck_random_state4
5 x = np.random.randint(0, 10)6 print(x)7 #8
8
9 x = np.random.randint(0, 10)10 print(x)11 #9
12
13 np.random.seed(0)14 x = np.random.randint(0, 10)15 print(x)16 #5
17
18 np.random.seed(0)19 x = np.random.randint(0, 10)20 print(x)21 #5