numpy randn 和_Python | numpy.random

随机数：import numpy as np

1.np.random.rand()

生成[0,1)之间的随机数，参数表示维度，返回指定维度的array

2.np.random.randn()

生成具有标准正太分布的随机数，参数表示维度，返回指定维度的array

3.np.random.randint()

np.random.randint(low, high=None, size=None, dtype=’l’)

• 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http://np.int
• high没有填写时，默认生成随机数的范围是[0，low)

4.np.random.random_integers()

np.random.random_integers(low, high=None, size=None)

• 返回随机整数，范围区间为[low,high]，包含low和high
• 参数：low为最小值，high为最大值，size为数组维度大小
• high没有填写时，默认生成随机数的范围是[1，low]

5.生成[0,1)之间的浮点数

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

6.np.random.choice()

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

• 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)

# 当replace为False时，生成的随机数不能有重复的数值

7.np.random.seed()

• 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

参考：

https://blog.csdn.net/u012149181/article/details/78913167