python random 和numpyr andint_Python的numpy库中rand(),randn(),randint(),random_integers()的使用...

1.numpy.random.rand()

用法是：numpy.random.rand(d0,d1,…dn)

以给定的形状创建一个数组，并在数组中加入在[0,1]之间均匀分布的随机样本。

用法及实现：

>>> np.random.rand(3,2)

array([[ 0.14022471, 0.96360618], #random

[ 0.37601032, 0.25528411], #random

[ 0.49313049, 0.94909878]]) #random

>>>np.random.rand(5)

array([ 0.26677034, 0.01680242, 0.5164905 , 0.70920141, 0.30438513])

2.numpy.random.randn()

用法是：numpy.random.rand(d0,d1,…dn)

以给定的形状创建一个数组，数组元素来符合标准正态分布N(0,1)

若要获得一般正态分布

则可用sigma * np.random.randn(…) + mu进行表示

用法及实现：

>>> a = np.random.randn(2, 4)

>>> a

array([[-0.29188711, 0.76417681, 1.00922644, 0.34169581],

[-0.3652463 , -0.9158214 , 0.34467129, -0.31121017]])

>>> b = np.random.randn(2)

>>> b

array([ 0.37849173, 1.14298464])

3.numpy.random.randint()

用法是：numpy.random.randint(low,high=None,size=None,dtype)

生成在半开半闭区间[low,high)上离散均匀分布的整数值;若high=None，则取值区间变为[0,low)

用法及实现

high=None的情形

>>> a = np.random.randint(2, size=10)

>>> a

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

>>> b = np.random.randint(1, size=10)

>>> b

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

>>> c = np.random.randint(5, size=(2, 4))

>>> c

array([[3, 4, 3, 3],

[3, 0, 0, 1]])

high≠None

d = np.random.randint(2,high=6,size=(2,4))

>>> d

array([[5, 2, 4, 2],

[4, 3, 5, 4]])

4.numpy.random.random_integers()

用法是： numpy.random.random_integers(low,high=None,size=None)

生成闭区间[low,high]上离散均匀分布的整数值;若high=None，则取值区间变为[1,low]

用法及实现

high=None的情形

>>> np.random.random_integers(1, 6, 10)

array([4, 5, 2, 3, 4, 2, 5, 4, 5, 4])

>>> np.random.random_integers(6)

5

>>> np.random.random_integers(6,size=(3,2))

array([[1, 3],

[5, 6],

[3, 4]])

high≠None的情形

>>> c = np.random.random_integers(6,high=8,size=(3,2))

>>> c

array([[7, 8],

[7, 8],

[8, 8]])

此外，若要将【a,b】区间分成N等分，也可以用此函数实现

a+(b-a)*(numpy.random.random_integers(N)-1)/(N-1)

5.numpy.random_sanmple()

用法是： numpy.random.random_sample(size=None)

以给定形状返回[0,1)之间的随机浮点数

用法及实现

>>> np.random.random_sample()

0.2982524530687424

>>> np.random.random_sample((5,))

array([ 0.47989216, 0.12580015, 0.99624494, 0.14867684, 0.56981553])

>>> np.random.random_sample((2,5))

array([[ 0.00659559, 0.45824325, 0.13738623, 0.60766919, 0.39234638],

[ 0.6914948 , 0.92461145, 0.43289058, 0.63093292, 0.06921928]])

其他函数，numpy.random.random() ;numpy.random.ranf()

numpy.random.sample()用法及实现都与它相同

6.numpy.random.choice()

用法是： numpy.random.choice(a,size=None,replace=True,p=None)

若a为数组，则从a中选取元素；若a为单个int类型数，则选取range(a)中的数

replace是bool类型，为True，则选取的元素会出现重复；反之不会出现重复

p为数组，里面存放选到每个数的可能性，即概率

用法及实现

>>>a = np.random.choice(5, 3)

>>> a

array([4, 3, 1])

>>>b = np.random.choice(5, 3, p=[0.1, 0, 0.3, 0.6, 0])

>>> b

array([2, 3, 3], dtype=int64)

>>> c = np.random.choice(5, 3, replace=False, p=[0.1, 0, 0.3, 0.6, 0])

>>> c

array([3, 2, 0])