c语言随机生成整数存放一维数组_「Python」numpy之random库简单的随机数据实例

0|引言

在python数据分析的学习和应用过程中，经常需要用到numpy的随机函数，由于随机函数random的功能比较多，经常会混淆或记不住，下面进行汇总并一一实例学习。

本篇主要总结简单的随机数据库的生产，主要常用的函数有np.random.rand()、.randint()、.randn()、.random()等.

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
• dn表格每个维度
• 返回值为指定维度的array

生成3行2列的随机数组

#生成3行2列的随机数组import numpy.random as rndrnd.rand(3,2) #生成3行2列的随机数组

图1

生成3维的随机数组

#生成3维的随机数组import numpy.random as rndrnd.rand(3,2,2)

图2

2.randn(d0, d1, …, dn)返回一个样本，具有标准正态分布

• randn函数返回一个或一组样本，具有标准正态分布。
• dn表格每个维度
• 返回值为指定维度的array

import numpy.random as rndrnd.randn(3,2)

图3

import numpy.random as rndrnd.randn(3,2,2)

图4

注：标准正态分布介绍：标准正态分布—-standard normal distribution；标准正态分布又称为u分布，是以0为均值、以1为标准差的正态分布，记为N(0，1)。

3、randint(low[, high, size])

• 返回随机整数，范围区间为[low,high)，包含low，不包含high
• 参数：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)

import numpy.random as rnd#high没有填写时，默认生产随机数的范围为[0,low)rnd.randint(3)

图5

#low为1,high为5，区间为[1,5)rnd.randint(1,5)

图6

#high没有填写时，默认生产随机数的范围为[0,3)rnd.randint(3,size =10)

图7

rnd.randint(3,size =[2,2])

图8

4.np.random.random([size])生成[0,1)之间的浮点数,与np.random.rand()功能类似

import numpy.random as rnda = rnd.random(size=[2,2])print(a.dtype)print(a)print('---分界线---')b = rnd.rand(2,2)print(b)print(b.dtype)

图9

• numpy.random.random_sample(size=None)
• numpy.random.ranf(size=None)
• numpy.random.sample(size=None)

上述三个函数同样具有类似的功能：

print('-----random_sample-----')print(rnd.random_sample(size=(2,2)))print('-----random-----')print(rnd.random(size=(2,2)))print('-----ranf----')print(rnd.ranf(size=(2,2)))print('------sample-----')print(rnd.sample(size=(2,2)))

图10

5、numpy.random.choice(a[, size, replace, p])生成一个随机样本，从一个给定的一维数组

• 从给定的一维数组中生成随机数；
• 参数： a为一维数组类似数据或整数；size为数组维度；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)；

#a为整数时，对应的一维数组是np.arange(a)#第一个参数值5对应的a,即传入的数据组#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#此处将生成一个一维数据包含3个小于5的整数的数组rnd.choice(5,3)

图11

图12

6、numpy.random.seed()生成随机数的种子，使得每次生成随机数相同

• np.random.seed()的作用：使得随机数据可预测。
• 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

图13