python产生5个随机数_Python和numpy生成随机数

http://blog.csdn.net/pipisorry/article/details/39086463

随机数种子

要每次产生随机数相同就要设置种子，相同种子数的Random对象，相同次数生成的随机数字是完全相同的；

random.seed(1) 这样

random.randint(

0,

6, (

4,

5))每次都产生一样的4*5的随机矩阵

关于种子的介绍可参见[Java - 常用函数Random函数]

Python标准库random模块

（生成随机数模块）

random.random()

random.random()用于生成一个0到1的随机符点数: 0 <= n < 1.0

random.uniform(a, b)

random.uniform的函数原型为：random.uniform(a, b)，用于生成一个指定范围内的随机符点数。如果a > b，则生成的随机数n: b <= n <= a。如果 a

[python] view plain copy

printrandom.uniform(10,20)

printrandom.uniform(20,10)

#---- 结果（不同机器上的结果不一样）

#18.7356606526

#12.5798298022

random.randint(a, b)

random.randint()的函数原型为：random.randint(a, b)，用于生成一个指定范围内的整数。其中参数a是下限，参数b是上限，生成的随机数n: a <= n <= b

Note:a =[random.randint(0, 100) for__ inrange(100)] #生成100个指定范围内的整数

[python] view plain copy

printrandom.randint(12,20)#生成的随机数n: 12 <= n <= 20

printrandom.randint(20,20)#结果永远是20

#print random.randint(20, 10) #该语句是错误的。下限必须小于上限。

random.randrange([start], stop[, step])

random.randrange的函数原型为：random.randrange([start], stop[, step])，从指定范围内，按指定基数递增的集合中 获取一个随机数。如：random.randrange(10, 100, 2)，结果相当于从[10, 12, 14, 16, ... 96, 98]序列中获取一个随机数。random.randrange(10, 100, 2)在结果上与 random.choice(range(10, 100, 2) 等效。

random.choice(sequence)

random.choice从序列中获取一个随机元素。其函数原型为：random.choice(sequence)。参数sequence表示一个有序类型。这里要说明 一下：sequence在python不是一种特定的类型，而是泛指一系列的类型。list, tuple, 字符串都属于sequence。有关sequence可以查看python手册数据模型这一章，也可以参考：http://www.17xie.com/read-37422.html 。下面是使用choice的一些例子：

[python] view plain copy

printrandom.choice("学习Python")

printrandom.choice(["JGood","is","a","handsome","boy"])

printrandom.choice(("Tuple","List","Dict"))

random.shuffle(x[, random])

random.shuffle的函数原型为：random.shuffle(x[, random])，用于将一个列表中的元素打乱。如:

[python] view plain copy

p = ["Python","is","powerful","simple","and so on..."]

random.shuffle(p)

printp

#---- 结果（不同机器上的结果可能不一样。）

#['powerful', 'simple', 'is', 'Python', 'and so on...']

random.sample(sequence, k)

random.sample的函数原型为：random.sample(sequence, k)，从指定序列中随机获取指定长度的片断。sample函数不会修改原有序列。

[python] view plain copy

list = [1,2,3,4,5,6,7,8,9,10]

slice = random.sample(list, 5)#从list中随机获取5个元素，作为一个片断返回

printslice

Note:上面这些方法是random模块中最常用的，在Python手册中，还介绍其他的方法。感兴趣的朋友可以通过查询Python手册了解更详细的信息。

皮皮blog

numpy中的random模块

linspace(start, end, num): 如linspace(0,1,11)结果为[0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1];

arange(n): 产生一个从0到n-1的向量，如arange(4)结果为[0,1,2,3]

random.random([...]): 产生随机矩阵，如random.random([2,3])产生一个2x3维的随机数

Simple random data

rand(d0, d1, ..., dn) Random values in a given shape.

randn(d0, d1, ..., dn) Return a sample (or samples) from the “standard normal” distribution.

randint(low[, high, size]) Return random integers from low (inclusive) to high (exclusive).

random_integers(low[, high, size]) Return random integers between low and high, inclusive.

random_sample([size]) Return random floats in the half-open interval [0.0, 1.0).

random([size]) Return random floats in the half-open interval [0.0, 1.0).

ranf([size]) Return random floats in the half-open interval [0.0, 1.0).

sample([size]) Return random floats in the half-open interval [0.0, 1.0).

choice(a[, size, replace, p]) Generates a random sample from a given 1-D array ..

bytes(length) Return random bytes.

np.random.rand(a, b)

fromnumpy importrandom

x =random.rand(2, 3)

print(x)

[[ 0.1169922 0.08614147 0.17997144]

[ 0.5694889 0.43067372 0.62135592]]

x, y =random.rand(2, 3)

print(x)

print(y)

[ 0.60527337 0.78765269 0.71884661]

[ 0.67420571 0.946359 0.7632273 ] [

numpy - 基本数据类型、多维数组ndarray及函数操作]

np.random.randint(a, b, size=(c, d))

raw_user_item_mat =random.randint(0, 10, size=(3,4)) #指定生成随机数范围和生成的多维数组大小

print(raw_user_item_mat)

[[3 6 2 8]

[3 1 2 4]

[9 4 5 0]] [ Random sampling (

numpy.random)]

from: http://blog.csdn.net/pipisorry/article/details/39086463

ref: The Python Standard Library

http://blog.csdn.net/jgood/article/details/4278885

Numpy中使用矩阵-特殊的函数

python标准库中的随机分布函数