python中randn函数_numpy.random.randn()用法

import numpy as np

1 numpy.random.rand()

numpy.random.rand(d0,d1,…,dn)rand函数根据给定维度生成[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

2 numpy.random.randn()

numpy.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。

dn表格每个维度

返回值为指定维度的array

np.random.randn() # 当没有参数时，返回单个数据

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 numpy.random.randint()

3.1 numpy.random.randint()

numpy.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)

np.random.randint(1,size=5) # 返回[0,1)之间的整数，所以只有0

3.2 numpy.random.random_integers

numpy.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]

该函数在最新的numpy版本中已被替代，建议使用randint函数

np.random.random_integers(1,size=5)

4 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)

5 numpy.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)

6 numpy.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

References:CSDN-专业IT技术社区-登录​blog.csdn.net