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