numpy 生成随机数方法
文章目录
- numpy 生成随机数方法
- 1.np.random.uniform的用法
- 2.np.random.random_sample的用法
- 3.np.random.rand的用法
- 4.np.random.randint的用法
- 5.np.random.random_integers的用法
- 中场总结（~~）：
- 6.np.random.randn
- 7.np.random.normal
- 8.np.random.seed()用法
- 9.numpy.linspace
- 转载：
- 转载：
- 转载：
1.np.random.uniform的用法
np.random.uniform(low=0.0, high=1.0, size=None)
作用：可以生成[low,high)中的随机数，可以是单个值，也可以是一维数组，也可以是多维数组
参数介绍：
low :float型，或者是数组类型的，默认为0
high:float型，或者是数组类型的，默认为1
size:int型，或元组，默认为空
In[1]: import numpy as np
In[2]: np.random.uniform() # 默认为0到1
Out[2]: 0.827455693512018
In[3]: np.random.uniform(1,5)
Out[3]: 2.93533586182789
In[4]: np.random.uniform(1,5,4) #生成一维数组
Out[4]: array([ 3.18487512, 1.40233721, 3.17543152, 4.06933042])
In[5]: np.random.uniform(1,5,(4,3)) #生成4x3的数组
Out[5]:
array([[ 2.33083328, 1.592934 , 2.38072 ],
[ 1.07485686, 4.93224857, 1.42584919],
[ 3.2667912 , 4.57868281, 1.53218578],
[ 4.17965117, 3.63912616, 2.83516143]])
In[6]: np.random.uniform([1,5],[5,10])
Out[6]: array([ 2.74315143, 9.4701426 ])2.np.random.random_sample的用法
和np.random.random作用一样
np.random.random_sample(size=None)
作用：返回[0,1)之间的浮点型随机数，通过size控制返回的形状
np.random.random_sample()
0.47108547995356098
type(np.random.random_sample())
<type 'float'>
np.random.random_sample((5,))
array([ 0.30220482, 0.86820401, 0.1654503 , 0.11659149, 0.54323428])
Three-by-two array of random numbers from [-5, 0):
5 * np.random.random_sample((3, 2)) - 5
array([[-3.99149989, -0.52338984],
[-2.99091858, -0.79479508],
[-1.23204345, -1.75224494]])3.np.random.rand的用法
np.random.rand(d0, d1, …, dn)
作用：返回[0,1)内的浮点数，输入的d0,d1…dn代表维度信息，没有输入时，则返回[0,1)内的一个随机值
In[15]: np.random.rand()
Out[15]: 0.9027797355532956
In[16]:np.random.rand(3,3)
Out[16]:
array([[ 0.47507608, 0.64225621, 0.9926529 ],
[ 0.95028412, 0.18413813, 0.91879723],
[ 0.89995217, 0.42356103, 0.81312942]])
In[17]: np.random.rand(3,3,3)
Out[17]:
array([[[ 0.30295904, 0.76346848, 0.33125168],
[ 0.77845927, 0.75020602, 0.84670385],
[ 0.2329741 , 0.65962263, 0.93239286]],
[[ 0.24575304, 0.9019242 , 0.62390674],
[ 0.43663215, 0.93187574, 0.75302239],
[ 0.62658734, 0.01582182, 0.66478944]],
[[ 0.22152418, 0.51664503, 0.41196781],
[ 0.47723318, 0.19248885, 0.29699868],
[ 0.11664651, 0.66718804, 0.39836448]]])4.np.random.randint的用法
np.random.randint(low, high=None, size=None, dtype=’l’)
作用：生成整型随机数，可以是单个随机数，也可以是多维的随机数构成的数组
参数介绍
low：int 型，随机数的下限
high：int 型，默认为空，随机数的上限，当此值为空时，函数生成[0,low)区间内的随机数
size：int、或ints、或元组，指明生成的随机数的类型
dtype:可选’int’ ,’int32’，默认为’l’
In[7]: np.random.randint(4)
Out[7]: 1
In[8]: np.random.randint(4,size=4)
Out[8]: array([2, 2, 2, 0])
In[9]: np.random.randint(4,10,size=6)
Out[9]: array([7, 9, 7, 8, 6, 9])
np.random.randint(4,10,size=(2,2),dtype='int32')
Out[10]:
array([[7, 4],
[6, 9]])5.np.random.random_integers的用法
np.random.random_integers(low, high=None, size=None)
和randint的用法较为相似,区别在于[low,high]
的右边界能够取到，且该函数即将被抛弃，可以使用
np.random.randint(low,high+1)进行代替
中场总结（~~）：
随机数可以分为两大类，一类是浮点型的，常以np.random.uniform为代表，np.random.rand,np.random.radnom和np.random.random_simple可以看作是np.random.uniform的特例；另一类是整数型的，以np.random.randint为代表，也有np.random.random_integers 但是后者将被前者取代
6.np.random.randn
标准正态分布
# 生成随机数组(3行4列)
t4 = np.random.randn(3, 4) # 标准正态分布。平均数为0,标准差为1
print(t4)
'''
[[-1.16437124 0.46641835 -1.46333878 -0.62954658]
[-1.00251519 0.01611795 -0.84230815 -0.53709323]
[-0.1879806 0.95789097 0.39767329 -0.62235085]]7.np.random.normal
指定均值、标准差的正态分布
# 随机生成数组。指定均值和标准差的正态分布
# normal(平均值, 标准差, (size))
t5 = np.random.normal(0, 1, (3, 4)) # 指定均值和标准差的正态分布
print(t5)
'''
[[-0.61227132 -1.51199316 0.73388842 2.8243283 ]
[-0.12226332 -1.14841297 -0.17976744 -1.48553538]
[ 0.54848728 -0.54263611 1.6900577 0.35058451]]8.np.random.seed()用法
import numpy as np
np.random.seed(10) # 设定随机种子值。 设定之后，每次执行该程序，生成的是相同的随机数。(电脑是伪随机)
t1 = np.random.randint(0,20,(3,4))
print(t1) # 多次执行，生成相同的随机数。
print(t1) # 多次执行，生成相同的随机数。
print(t1) # 多次执行，生成相同的随机数。
[[ 9 4 15 0]
[17 16 17 8]
[ 9 0 10 8]]
[[ 9 4 15 0]
[17 16 17 8]
[ 9 0 10 8]]
[[ 9 4 15 0]
[17 16 17 8]
[ 9 0 10 8]]9.numpy.linspace
在指定的间隔内返回均匀间隔的数字。
返回num均匀分布的样本，在[start, stop]。
这个区间的端点可以任意的被排除在外
numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
Parameters(参数):
start : scalar(标量)，序列的起始点
stop : scalar，序列的结束点
num : int, optional(可选)，生成的样本数，默认是50。必须是非负。
endpoint : bool, optional，如果是真，则一定包括stop，如果为False，一定不会有stop
retstep : bool, optional
dtype : dtype, optional>>> np.linspace(2.0, 3.0, num=5)
array([ 2. , 2.25, 2.5 , 2.75, 3. ])
>>> np.linspace(2.0, 3.0, num=5, endpoint=False)
array([ 2. , 2.2, 2.4, 2.6, 2.8])
>>> np.linspace(2.0, 3.0, num=5, retstep=True)
(array([ 2. , 2.25, 2.5 , 2.75, 3. ]), 0.25)>>> import matplotlib.pyplot as plt
>>> N = 8
>>> y = np.zeros(N)
>>> x1 = np.linspace(0, 10, N, endpoint=True)
>>> x2 = np.linspace(0, 10, N, endpoint=False)
>>> plt.plot(x1, y, 'o')
[<matplotlib.lines.Line2D object at 0x...>]
>>> plt.plot(x2, y + 0.5, 'o')
[<matplotlib.lines.Line2D object at 0x...>]
>>> plt.ylim([-0.5, 1])
(-0.5, 1)
>>> plt.show()
