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
![3b81501c6748122235af5b626b50fcb8.png](https://i-blog.csdnimg.cn/blog_migrate/3caa89c4118e3c5b5cf0dc2a4086f845.png)
![02d2d8fc5d9fa3797180b4b02f07ab1e.png](https://i-blog.csdnimg.cn/blog_migrate/11966d214d166a072a11376336be41a0.jpeg)
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
![16f3cb462f0ab3235df921a34b8f04ce.png](https://i-blog.csdnimg.cn/blog_migrate/722a2ccc409286a5b117a58967fed33c.png)
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)
![68f9428779bae2670d4e5408507e9412.png](https://i-blog.csdnimg.cn/blog_migrate/7717d293e94186238dad044909f89cc0.png)
![9f33d22c09fe049ff9d2121101fb38b1.png](https://i-blog.csdnimg.cn/blog_migrate/288bce0b647bd09be3e3072753f25bae.png)
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)
![1907f30276f6c972ff119f932c780f4d.png](https://i-blog.csdnimg.cn/blog_migrate/ff8113909a439fbef87bf91528fb5fda.png)
# 当replace为False时,生成的随机数不能有重复的数值
![dd967df0911a7d19e92393018b7e363b.png](https://i-blog.csdnimg.cn/blog_migrate/ce73387faec1cafd200df28767739598.png)
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
![ecc1a350e2590b3dcaa16faeb69eb76f.png](https://i-blog.csdnimg.cn/blog_migrate/2d4ede7b30759a6eb0eecbc08341a389.jpeg)
参考:
https://blog.csdn.net/u012149181/article/details/78913167