Numpy使用教程（二）

本文首发在我的个人博客：https://jlice.top/p/7dvvr/。欢迎大家前去参观，么么哒~

numpy随机抽样

随机数生成

numpy.random.rand(d0, d1, ..., dn) 方法的作用为：指定一个数组，并使用 [0, 1) 区间随机数据填充，这些数据均匀分布。

In [1]: import numpy as np

In [2]: np.random.rand(2,3)
Out[2]:
array([[ 0.09887339,  0.75074537,  0.9944429 ],
       [ 0.92790081,  0.84365033,  0.3087985 ]])

• numpy.random.randn(d0, d1, ..., dn): 返回符合标准正态分布的随机数据

• numpy.random.randint(low, high, size, dtype)： 返回[low, high)的随机整数

• numpy.random.random_integers(low, high, size): 返回[low, high]的随机整数

• numpy.random.random_sample(size): 在[0,1)区间生成指定size的随机浮点数 与之类似的方法还有：

• numpy.random.random([size])

• numpy.random.ranf([size])

• numpy.random.sample([size])

• numpy.random.choice(a, size, replace, p): 在给定的一维数组里生成随机数

概率密度分布

1. numpy.random.beta(a，b，size)：从 Beta 分布中生成随机数。
2. numpy.random.binomial(n, p, size)：从二项分布中生成随机数。
3. numpy.random.chisquare(df，size)：从卡方分布中生成随机数。
4. numpy.random.dirichlet(alpha，size)：从 Dirichlet 分布中生成随机数。
5. numpy.random.exponential(scale，size)：从指数分布中生成随机数。
6. numpy.random.f(dfnum，dfden，size)：从 F 分布中生成随机数。
7. numpy.random.gamma(shape，scale，size)：从 Gamma 分布中生成随机数。
8. numpy.random.geometric(p，size)：从几何分布中生成随机数。
9. numpy.random.gumbel(loc，scale，size)：从 Gumbel 分布中生成随机数。
10. numpy.random.hypergeometric(ngood, nbad, nsample, size)：从超几何分布中生成随机数。
11. numpy.random.laplace(loc，scale，size)：从拉普拉斯双指数分布中生成随机数。
12. numpy.random.logistic(loc，scale，size)：从逻辑分布中生成随机数。
13. numpy.random.lognormal(mean，sigma，size)：从对数正态分布中生成随机数。
14. numpy.random.logseries(p，size)：从对数系列分布中生成随机数。
15. numpy.random.multinomial(n，pvals，size)：从多项分布中生成随机数。
16. numpy.random.m