如何生成指定分布的随机数？两种方法、三行代码

---

两种方法生成指定分布的随机数

介绍两种方法生成指定分布的随机数：

库	生成正态分布的随机数方法
统计函数库：scipy.stats	scipy.stats.norm.rvs(loc = 0,scale = 0.1,size =10)
数组、矩阵库：numpy	numpy.random.normal(loc=0.0, scale=1.0, size=None))

上述俩个库中有相关分布的生成随机数的函数方法，下面以正态分布为例进行详细介绍

---

1、scipy.stats方法生成正态分布的随机数

---

★步骤：

• 导入函数库：import scipy.stats as st
  • 设定参数：loc = 0,scale = 0.1,size =(2,2)
    • 输出结果：print(st.norm.rvs(loc = loc,scale =scale,size =size))

---

★代码详细解释：

1. import scipy.stats：导入scipy.stats库；
2. as st：用 st 表示scipy.stats库；
3. loc和scale：参数，表示随机变量的偏移和缩放，在这里对应正态分布的平均值和标准差；
4. size：参数，表示生成的大量随机数会储存在什么样的数据空间中，是一维数组呢，还是多维，None表示只生成一个数；
5. st.norm.rvs： norm表示正态分布，rvs 表示生成随机数，组合到一起就是生成正态分布的随机数，那么这样就可以替换 norm 从而生成其他指定分布的随机数。

---

★整理成三行代码：

import scipy.stats as st #导入统计函数库，令其用st表示
loc1= 0;scale1= 0.1;size1=(2,2) #赋予参数值
print(st.norm.rvs(loc=loc1,scale=scale1,size=size1)) #输出结果

结果如下：

虽然生成了结果，但是可以从图中看出来，结果一和结果二的输出代码是一样的，但是输出结果却是不一样的，这就说明这种方法生成的随机数是在不停地变化的，不信你可以运行多次，每次的结果都会不一样，不过这样也达到了目的。却无法让别人重现你的代码结果，那么针对这个问题来看看方法二。

---

2、numpy方法生成正态分布的随机数

---

★步骤与方法1类似

---

★代码详细解释：

1. import numpy：导入numpy库；
2. as np：用 np 表示numpy库；
3. loc、scale、 size：参数，在这里表示正态分布的平均值、标准差、储存数组形状；
4. np.random.normal：random表示生成随机数，normal表示正态分布，组合到一起就是生成正态分布的随机数。

---

★整理成三行代码：

import numpy as np  #导入numpy库，令其用np表示
loc1= 0;scale1= 0.1;size1=(2,2) #赋予参数值
print(np.random.normal(loc=loc1,scale=scale1,size=size1))#输出结果

结果如下：

依旧可以看出只是这样编写代码的话，还是无法实现重现，那么这时候引入一个随机种子的概念。随机种子在笔者看来就是，只要给定一个随机种子值，它对应的随机数就有了它对应的顺序的随机顺序。

---

★利用RandomState重现生成随机数过程

---

→原因：

1. 给random_state赋一个值，别人运行此代码也可以复现你的过程。即，若不设置此参数则会随机选择一个种子，执行结果也会不同了。
2. 在做一些复杂的机器学习等 模型训练 时，某个随机种子在训练集上表现好，未必在陌生训练集上表现好。

---

→要点：

1. 导入RandomState库：from numpy.random import RandomState
2. 设定随机种子值：random_state=1
3. 生成伪随机数器：rdm = RandomState(random_state)
4. 设定参数：loc = 0,scale = 0.1,size =10
5. 输出结果：print(rdm.normal(loc, scale, size))

---

→最终代码：

from numpy.random import RandomState #导入RandomState库
random_state=1  #给定随机种子值
rdm = RandomState(random_state)  #生成伪随机数器，就把它看作一个有一定顺序的一组数据，所以叫 伪随机
loc = 0;scale = 0.1;size =10;    #设定参数值
print(rdm.normal(loc, scale, size)) #输出随机数

结果如下：

可以看到两个随机种子都取 random_state=1 ，结果是一样的！
这里留个小问题，如果print(rdm.normal(loc, scale, size)) 输出两遍，那么结果是否一样呢？大家可以自己运行试一试哦！想知道答案，笔者会在公众号中给出，欢迎大家交流！

---

欢迎大家关注“佐佑思维”公众号 笔者会持续共享经验 愿你能有所收获 期待与你相遇