numpy学习笔记

randint和repeat的用法，场景为生成规模为pop_size的二进制编码的基因

import numpy as np
self.pop = np.random.randint(*DNA_bound, size=(1, self.DNA_size)).repeat(pop_size, axis=0)

输出为

[[1 0 0 1 1]

[1 0 0 1 1]]

以下内容参考点击打开链接

①randint(low,high=None,size=None,dtype='l')

• 返回随机整数，范围区间为[low,high），包含low，不包含high
• 参数：low为最小值，high为最大值，size为数组维度大小，dtype为数据类型，默认的数据类型是np.int
• high没有填写时，默认生成随机数的范围是[0，low)

rand和randn

②rand(d0,d1,…,dn)

• rand函数根据给定维度生成[0,1)之间的数据，包含0，不包含1
• dn表格每个维度
• 返回值为指定维度的array

③randn与rand的不同之处在于其返回的是[0,1)之间服从标准正态分布的数。两者都是产生[0,1)之间的浮点数，参数只有维度，randint是产生定义区间之间的整数

a=np.random.rand(2,1)
print(a)
print(a.dtype)

输出为

[[ 0.27575047]
 [ 0.61517605]]
float64

④random.choice(a,size=None,replace=True,p=None)

• 从给定的一维数组中生成随机数
• 参数： a为一维数组类似数据或整数；size为数组维度；replace=True表示可以有重复的值;p为数组中的数据出现的概率
• a为整数时，对应的一维数组为np.arange(a)

print(np.random.choice(3,size=(2,3),p=(0.6,0.2,0.2)))

输出为

[[0 0 0]
 [1 0 2]]

使用场景举例：

选择进行交叉的染色体

sub_pop_idx = np.random.choice(np.arange(0, self.pop_size), size=2, replace=False)