Python数据分析之numpy数组与随机数

NumPy是Python中最流行的开源数值计算库之一。它提供了一个高效的多维数组对象ndarray，以及用于处理这些数组的各种函数。NumPy的优势在于它非常快速、可靠且易于使用，以及提供了非常多的数值计算函数和数组操作方法。

使用NumPy，可以轻松地进行矩阵运算、数组操作、线性代数计算、傅立叶变换等各种数学操作。除此之外，NumPy还提供了一些用来生成伪随机数、处理图像、处理文本等方便的工具。

NumPy的应用范围非常广泛，包括数据科学、机器学习、人工智能、数值模拟等各个领域。因此，对于Python中进行科学计算和数值分析的用户来说，NumPy无疑是一个非常有价值的工具。NumPy是Python中用于科学计算的一个开源库，它提供了数组对象和数组操作函数，可以在不同的数学和科学操作中方便地使用。下面是创建NumPy数组的几种方法：

1. 使用np.array()函数创建数组

import numpy as np

a = np.array([1, 2, 3])
b = np.array([[1, 2, 3], [4, 5, 6]])
c = np.array([1, 2, 3], dtype=float)

2. 使用np.zeros()或np.ones()函数创建数组

import numpy as np

a = np.zeros((3, 3))  # 创建3x3的0数组
b = np.ones((2, 4))  # 创建2x4的1数组

3. 使用np.arange()函数创建数组

import numpy as np

a = np.arange(10)  # 创建从0到9的数组
b = np.arange(2, 10, 2)  # 创建从2到9每隔2取一个的数组

4. 使用np.linspace()函数创建数组

import numpy as np

a = np.linspace(0, 1, 5)  # 创建包含5个元素的等间隔数组，从0开始，到1结束
b = np.linspace(0, 2 * np.pi, 100)  # 创建包含100个元素的等间隔数组，从0开始，到2π结束

NumPy是一个非常流行的Python数学库，其中包含许多有用的函数，包括生成随机数的函数。NumPy拥有一个名为random的子模块，它提供了各种生成随机数的函数。

以下是一些常用的NumPy随机数生成函数的示例：

1. 生成随机整数：np.random.randint(low, high=None, size=None, dtype='l')

import numpy as np

# 生成随机整数，范围为[0, 10)，生成长度为5的一维数组
x = np.random.randint(0, 10, size=5)
print(x)  # 输出结果：[2 2 5 2 6]

2. 生成随机浮点数：np.random.rand(d0, d1, ..., dn)

import numpy as np

# 生成随机浮点数，范围为[0, 1)，生成2x3的二维数组
x = np.random.rand(2, 3)
print(x)  # 输出结果：[[0.62282805 0.11906062 0.41955917], [0.77152162 0.52424008 0.46192824]]

3. 生成高斯分布随机数：np.random.normal(loc=0.0, scale=1.0, size=None)

import numpy as np

# 生成高斯分布随机数，平均值为0，标准差为1，生成长度为5的一维数组
x = np.random.normal(0, 1, size=5)
print(x)  # 输出结果：[-0.38834889 -2.43754371  2.78203539 -1.11800976 -0.60818933]

4. 打乱数组：np.random.shuffle(x)

import numpy as np

# 打乱一维数组
x = np.array([1, 2, 3, 4, 5])
np.random.shuffle(x)
print(x)  # 输出结果：[4 1 5 3 2]

# 打乱二维数组的行
x = np.array([[1, 2], [3, 4], [5, 6]])
np.random.shuffle(x)
print(x)  # 输出结果：[[3 4], [1 2], [5 6]]

这些只是NumPy中可用的随机数函数的一小部分。NumPy还提供了许多其他的随机数生成函数，可以根据不同的需求使用不同的函数。如下图：