np.empty()函数
函数定义:
numpy.empty(shape, dtype=float, order='c, like=None)*
np.empty()是依据给定形状和类型(shape,[dtype, order])返回一个新的空数组。由于np.empty()返回一个随机元素的矩阵,所以使用的时候需要手工把每一个值重新定义,否则该值是接近零的随机数。
import numpy as np
a = np.empty((2,3,4 ), dtype=np.float64)
print(a)
输出的结果为:
通过图片的显示,可以看出,在不予对生成的矩阵赋值时,里面的值是很小的,趋于零。
np.random.uniform()函数
函数定义:
numpy.random.uniform(low,high,size)
函数参数:
low: 采样下界,float类型,默认值为0;
high: 采样上界,float类型,默认值为1;
size: 输出样本数目,为int或元组(tuple)类型,例如,size=(m,n,k), 则输出 m * n * k 个样本
函数返回值:ndarray类型,其形状和参数size中描述一致。
函数功能:从一个均匀分布[low,high)中随机采样,定义域是左闭右开,即包含low,不包含high。
代码 np.random.uniform(0., 100., size=100)则表示均匀产生一百个样本,样本范围是从0到100,且包含0不包含100。
np.random.normal()函数
函数定义:
np.random.normal(loc=0.0, scale=1.0, size=None)
loc:float型,是概率分布的均值。loc=0说明这一个以Y轴为对称轴的正态分布。
scale:float型,是概率分布的标准差。
size:输出的shape,默认为None,只输出一个值。
举例:生成一个均值为1.75,标准差为1,点数为10000000的正态分布数据
import matplotlib.pyplot as plt
import numpy as np
# 生成均匀分布的随机数
x1 = np.random.normal(1.75, 1, 10000000)
# 创建画布
plt.figure(figsize=(6, 8), dpi=100)
# 绘制直方图
plt.hist(x1, 10000)
# 显示图像
plt.show()
结果显示:
np.random的其它常见函数
1、randint:
定义:numpy.random.randint(low, high=None, size=None, dtype=‘l’)
功能:产生随机整数;
2、random_integers:
定义: numpy.random.random_integers(low, high=None, size=None)
功能:在闭区间上产生随机整数;
3、random_sample:
定义: numpy.random.random_sample(size=None)
功能:在[0.0,1.0)上随机采样;
4、random:
定义: numpy.random.random(size=None)
功能:和random_sample一样,是random_sample的别名;
5、rand:
定义: numpy.random.rand(d0, d1, …, dn)
功能:产生d0 - d1 - … - dn形状的在[0,1)上均匀分布的float型数。
6、randn:
定义:numpy.random.randn(d0,d1,…,dn)
功能:产生d0 - d1 - … - dn形状的标准正态分布的float型数。
参考
https://blog.csdn.net/qq_37006426/article/details/116463961
https://blog.csdn.net/weixin_48135624/article/details/115410918