Python日常搜索_random

1. random.random() 返回随机生成的一个实数，它在[0,1)范围内
2. random.uniform

random.uniform(a, b)，用于生成一个指定范围内的随机符点数，两个参数其中一个是上限，一个是下限。如果a > b，则生成的随机数n: b <= n <= a。如果 a <b， 则 a <= n <= b。

3. random.randint() 的函数原型为：random.randint(a, b)，用于生成一个指定范围内的整数。其中参数a是下限，参数b是上限，[a, b], 生成的随机数n: a <= n <= b
4. random.randrange 的函数原型为：random.randrange([start], stop[, step])，从指定范围内，按指定基数递增的集合中 获取一个随机数。如：random.randrange(10, 100, 2)，结果相当于从[10, 12, 14, 16, … 96, 98]序列中获取一个随机数。random.randrange(10, 100, 2)在结果上与 random.choice(range(10, 100, 2) 等效。
5. random.choice从序列中获取一个随机元素。其函数原型为：random.choice(sequence)。参数sequence表示一个有序类型。这里要说明 一下：sequence在python不是一种特定的类型，而是泛指一系列的类型。list, tuple, 字符串都属于sequence。

从非空序列中随机选取一个数据并返回，该序列可以是list、tuple、str、set

7. random.shuffle的函数原型为：random.shuffle(x[, random])，用于将一个列表中的元素打乱。
8. random.sample的函数原型为：random.sample(sequence, k)，从指定序列中随机获取指定长度的片断。sample函数不会修改原有序列。
9. np.argsort() 返回的是元素值从小到大排序后的索引值的数组
10. np.argmax() 用于返回一个numpy数组中最大值的索引值。当一组中同时出现几个最大值时，返回第一个最大值的索引值。
    在运算时，相当于剥掉一层中括号，返回一个数组，分为一维和多维。一维数组剥掉一层中括号之后就成了一个索引值，是一个数，而n维数组剥掉一层中括号后，会返回一个 n-1 维数组，而剥掉哪一层中括号，取决于axis的取值。
    n维的数组的 axis 可以取值从 0 到 n-1，其对应的括号层数为从最外层向内递进。
    np.argmax()函数用法解析——通俗易懂

two_dim_array = np.array([[1, 3, 5], [0, 4, 3]])
max_index_axis0 = np.argmax(two_dim_array, axis = 0)
max_index_axis1 = np.argmax(two_dim_array, axis = 1)
print(max_index_axis0)
print(max_index_axis1)

输出结果：

[0 1 0] 
[2 1]

解释：

max_index_axis0 = np.argmax(two_dim_array, axis=0)
axis=0 表示沿着第0轴，也就是列方向查找每列中的最大值。
对应的列：
第1列：[1, 0]，最大值是1，索引为0。
第2列：[3, 4]，最大值是4，索引为1。
第3列：[5, 3]，最大值是5，索引为0。
因此，max_index_axis0 的结果为 [0 1 0]。
max_index_axis1 = np.argmax(two_dim_array, axis=1)
axis=1 表示沿着第1轴，也就是行方向查找每行中的最大值。
对应的行：
第1行：[1, 3, 5]，最大值是5，索引为2。
第2行：[0, 4, 3]，最大值是4，索引为1。
因此，max_index_axis1 的结果为 [2 1]。

np.argmax()
11. np.random.choice和random.choice的用法
12. python，numpy中np.random.choice()的用法详解及其参考代码

官方解释：
numpy.random.choice(a, size=None, replace=True, p=None)
Generates a random sample from a given 1-D array
Parameters:	
a : 1-D array-like or int
If an ndarray, a random sample is generated from its elements. If an int, the random sample is generated as if a were np.arange(a)

size : int or tuple of ints, optional
Output shape. If the given shape is, e.g., (m, n, k), then m * n * k samples are drawn. Default is None, in which case a single value is returned.

replace : boolean, optional
Whether the sample is with or without replacement

p : 1-D array-like, optional
The probabilities associated with each entry in a. If not given the sample assumes a uniform distribution over all entries in a.

#numpy.random.choice(a, size=None, replace=True, p=None)
#从a(只要是ndarray都可以，但必须是一维的)中随机抽取数字，并组成指定大小(size)的数组
#replace:True表示可以取相同数字，False表示不可以取相同数字
#数组p：与数组a相对应，表示取数组a中每个元素的概率，默认为选取每个元素的概率相同。

13. PyTorch基础学习：生成随机数(torch.rand()、torch.randn()、torch.randint()、torch.randperm())

torch.rand()函数用于生成具有均匀分布的随机数，这些随机数的范围在[0, 1)之间。它接受一个形状参数（shape），返回一个指定形状的张量（Tensor）。
torch.randn()函数用于生成具有标准正态分布的随机数，即均值为0，标准差为1的随机数。它同样接受一个形状参数，并返回一个指定形状的张量。
torch.randint()函数用于生成指定范围内的整数随机数。它接受三个参数：low（最小值）、high（最大值）和形状（shape）。返回的张量中的元素值将在[low, high)范围内。

14. Python学习：random模块下的choices()函数详解