numpy中生成随机数的技巧汇总

欢迎关注”生信修炼手册”!

numpy.random是numpy的一个子模块，用于生成随机数，在新版的numpy中，有以下两种生成随机数的方式

1. RandomState
   

2. Generator
   

其中Generator是新版本推荐的方式，RandomState是之前旧版本的方式，只是为了考虑兼容性，依然进行了保留，通过例子来看下两种方式生成随机数的不同

>>> import numpy as np
# RandomState
>>> np.random.rand()
0.2664380895099785

# Generator
>>> rng = np.random.default_rng()
>>> rng.random()
0.7788651549635489

两种方式对应的方法大部分是相同的，但是也有小部分不一样，在使用中需要注意，比如rand, randn等方法是RandomState独有的，而integers方法是Generator独有的。

计算器模拟产生的随机数都是伪随机数，通过设置随机数种子发生器，可以保证每次随机的结果都相同，用法如下

# 未设置，每次随机的结果不同
>>> np.random.rand()
0.8707323061773764
>>> np.random.rand()
0.20671915533942642


# 设置相同的seed, 可以保证重复性
>>> np.random.seed(5)
>>> np.random.rand()
0.22199317108973948
>>> np.random.seed(5)
>>> np.random.rand()
0.22199317108973948


>>> rng = np.random.default_rng(5)
>>> rng.random()
0.5118216247002567
>>> rng = np.random.default_rng(5)
>>> rng.random()
0.5118216247002567

随机数的应用，主要有以下三种场景

1.  产生简单随机数

对于RandomState而言，有以下几种方法，示例如下

# rand函数
# 默认生成一个0到1之间，符合均匀分布的浮点数
>>> np.random.rand()
0.8707323061773764
# 设置数组的形状，1个参数表示1维数组
>>> np.random.rand(2)
array([ 0.20671916, 0.91861091])
# 两个数组表示二维数组
>>> np.random.rand(2,2)
array([[ 0.48841119, 0.61174386],
       [ 0.76590786, 0.51841799]])

# sample函数
# 抽取0到1之前的随机数
>>> np.random.sample((2,2))
array([[ 0.57261865, 0.41138362],
       [ 0.9851368 , 0.80140153]])

# random函数
# 抽取0到1之前的随机数
>>> np.random.random((2,2))
array([[ 0.08507046, 0.80777744],
       [ 0.17025008, 0.19534463]])

# randn函数
# 抽取标准正态分布的值
>>> np.random.randn(2,2)
array([[ 0.49355766, 0.50048733],
       [ 0.79242262, 0.17076445]])

# randint函数
# 从起始值和终止值之间随机抽取整数
# 默认的起始值