python：Numpy（2）

• Numpy随机数

创建符合均匀分布的随机数组

numpy.random.rand(d0, d1, …, dn)
d0, d1, …, dn 表征生成数组的维数，若不指定则默认返回一个浮点数。

numpy.random.rand 函数通常用来创建一个服从 “0~1” 均匀分布的随机浮点数（组），随机样本取值范围是[0,1)。

print(np.random.rand())
print(np.random.rand(3,2))

0.2690046670866265
[[0.89634204 0.11035573]
 [0.0918894  0.63623696]
 [0.3892486  0.86558053]]

numpy.random.uniform(low=0.0, high=1.0, size=None)
low 采样下界，默认值为0；
high 采样上界，默认值为1；采样区间为[low, high)
size 样本维数，为int或tuple类型
numpy.random.uniform 函数可以用来创建一个在指定区间内符合均匀分布的随机数（组）。
在默认情况下，即无任何传参的时候，numpy.random.uniform 和 numpy.random.rand 函数效果类似。

print(np.random.uniform())

0.9275071325568973

print(np.random.uniform(0,10,size=(4,4)))

[[5.36658694 1.00491139 6.60551084 8.08491017]
 [6.08066655 2.44990778 6.93738547 7.92597467]
 [2.13358618 1.0793497  2.38447094 5.24373378]
 [8.86104717 8.66726931 6.9978283  4.78214507]]

numpy.random.randint(low, high=None, size=None, dtype=‘l’)
low 采样下界，整数类型。当high不指定时，采样区间为[0, low）
high 采样上界，可选。采样区间为[low, high)
size 样本维数，为int或tuple类型
dtype 数组数据类型，可选.

numpy.random.randint 函数可以用来创建一个在指定区间内符合均匀分布的随机整数（数组）

print(np.random.randint(10))
print(np.random.randint(0,100,size=10,dtype=np.int16))

3
[ 4 41 64 73 50 42 36 41 25 63]

创建符合正态分布的随机数组

numpy.random.randn(d0, d1, …, dn)
d0, d1, …, dn 表征生成数组的维数，若不指定则默认返回一个浮点数。

numpy.random.randn 函数可以用来创建一个指定维度的、符合标准正态分布（以0为均值、1为标准差）的浮点数（数组）。

print(np.random.randn())
print(np.random.randn(3,2))

-0.16537871841907784
[[ 1.00381782  0.22891542]
 [-1.31329439 -0.18088433]
 [ 0.09623652  2.92044164]]

numpy.random.normal(loc=0.0, scale=1.0, size=None)
loc 采样样本分布的均值
scale 采样样本分布的标准差
size 样本维数，为int或tuple类型

numpy.random.normal 函数可以用来创建一个指定维度的、符合指定正态分布（以loc为均值、scale为标准差）的浮点数（数组）。
在不指定均值和标准差的时候，numpy.random.normal 会产生一个符合标准正态分布的浮点数：

print(np.random.normal())
print(np.random.normal(5,10,(3,2)))

1.9307238923955998
[[ 7.17923195 20.25280746]
 [18.42725503  6.6526095 ]
 [12.79639438 14.7733698 ]]

• Numpy的索引和切片

单一元素访问

一维数组的元素访问非常简单，和 Python 列表规则基本差不多。对单一元素的访问，索引遵循从 0 开始，依次递增 1。

arr=np.arange(10)
print(arr)
print(arr[4])
print(arr[-1])

[0 1 2 3 4 5 6 7 8 9]
4
9

切片索引

1.基本切片。

arr=np.arange(10)
print(arr[[0,-1]])

[0 9]

2.利用start、stop、step的方法访问。

arr=np.arange(10)
print(arr[0:-1: