Py-numpy的随机函数【转载】

转自：https://blog.csdn.net/u012149181/article/details/78913167 

1. numpy.random.rand()

numpy.random.rand(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表格每一个维度
• 返回值为指定维度的array

>>> np.random.rand(2,2) array([[0.70691613, 0.673804 ], [0.7999329 , 0.30363377]])

2.numpy.random.randn(d0,d1,…,dn)

• randn函数返回一个或一组样本，具备标准正态分布。
• dn表格每一个维度
• 返回值为指定维度的array

>>> np.random.randn(2,2) array([[-0.54880779,  0.03757687], [ 0.35608059, -0.16970511]]) >>> np.random.randn() -0.5041373211552308

 

 其中n的意思就是normal，正态。μ=0，σ=1.

3 numpy.random.randint()

numpy.random.randint(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)

>>> np.random.randint(0,2) 0 >>> np.random.randint(0,2,5) array([1, 0, 0, 1, 0]) >>> np.random.randint(5,2) Traceback (most recent call last): File "<pyshell#10>", line 1, in <module> np.random.randint(5,2) File "mtrand.pyx", line 993, in mtrand.RandomState.randint ValueError: low >= high >>> np.random.randint(low=5,size=2) array([3, 2])

 

4 生成0-1之间的浮点数

>>> np.random.random((2,2)) array([[0.7066545 , 0.66002817], [0.79023509, 0.77658663]]) >>> np.random.sample((2,2)) array([[0.07203548, 0.54526898], [0.56429719, 0.74669749]])

 

5.numpy.random.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为一维数组相似数据或整数；size为数组维度；p为数组中的数据出现的几率
• a为整数时，对应的一维数组为np.arange(a)

//就是随机取样的函数吧

>>> np.random.choice(5) 2
>>> np.random.choice(5,2) array([0, 3])

 

>>> demo_list = ['lenovo', 'sansumg','moto','xiaomi', 'iphone'] >>> np.random.choice(demo_list,size=(3,3)) array([['iphone', 'iphone', 'lenovo'], ['lenovo', 'iphone', 'iphone'], ['xiaomi', 'iphone', 'lenovo']], dtype='<U7')

 

6.numpy.random.seed()

• np.random.seed()的做用：使得随机数据可预测。
• 当咱们设置相同的seed，每次生成的随机数相同。若是不设置seed，则每次会生成不一样的随机数。

>>> np.random.seed(0) >>> np.random.rand() 0.5488135039273248
>>> np.random.rand() 0.7151893663724195
>>> np.random.seed(0) >>> np.random.rand() 0.5488135039273248
>>> np.random.rand() 0.7151893663724195

7.np.random.normal(loc=0.0, scale=1.0, size=None)

参数分别是高斯分布的：均值、方差、形状。