NumPy的API的简单介绍
NumPy 提供的random模块，提供了方便的自动生成（伪）随机数的API。
一、使用简单随机数API生成随机数组
1. random.rand(d0, d1, ..., dn)
参数：
-
d0, d1, ..., dn：int, optional，非负，返回数组的维数。
返回：
-
return：ndarray, shape(d0, d1, …, dn)，给定形状的数组，服从[0, 1]上均匀分布的随机值。
>>> np.random.rand(3, 4)
array([[0.78535858, 0.77997581, 0.27259261, 0.27646426],
[0.80187218, 0.95813935, 0.87593263, 0.35781727],
[0.50099513, 0.68346294, 0.71270203, 0.37025075]])2. random.randn(d0, d1, ..., dn)
参数：
-
d0, d1, ..., dn：int, optional，非负，返回数组的维数。
返回：
-
return：ndarray, shape(d0, d1, …, dn)，给定形状的数组，服从[0, 1]上的标准正态分布的随机值。
>>> np.random.randn(3, 4)
array([[ 0.1458091 , 2.89409095, -0.30426018, 0.861661 ],
[-0.68992667, 0.18749737, 0.60430874, -0.18301422],
[-1.12650247, 1.65887284, -0.66044141, 1.04108597]])3. random.randint(low, high=None, size=None, dtype=int)
参数：
-
low：int or array_like of ints，随机分布区间的最小整数，如果参数只有一个，则区间为 [0, low)； -
high：int or array_like of ints, optional，随机分布区间的最大整数则； -
size：int or tuple of ints, optional，给定数组的大小，默认为None，此时返回一个值； -
dtype：dtype, optional，给定结果的数据类型，默认int；
返回：
-
return：ndarray，给定形状的数组，服从[low, high]上的均匀分布的随机值。
# 只给定参数low
>>> np.random.randint(6, size=10)
array([5, 1, 5, 3, 2, 0, 4, 3, 4, 0])
# 给定low值int，high值为数组
# 生成数组的对应元素服从对应数组值组成的均匀分布区间
>>> np.random.randint(2, [4,6,8], size=(2, 3))
array([[3, 2, 2],
[3, 3, 4]])4. random.random_integers(low, high=None, size=None, dtype=int)
类似与 random.randint 方法，只是变为了闭区间 [low, high]，参数只能为 int 类型。
5. random.random_sample(size=None)
参数：
-
size：int or tuple of ints, optional，给定数组的大小，默认为None，此时返回一个值；
返回：
-
return：ndarray of floats，给定形状的数组，服从[0.0, 1.0]上的均匀分布的随机值。
>>> np.random.random_sample(size=(2, 3))
array([[0.42717173, 0.78993092, 0.38612596],
[0.97910037, 0.21940539, 0.09285527]])6. random.choice(a, size=None, replace=True, p=None)
参数：
-
a：int or array_like，如果是类数组，则从其中随机抽取样本，如果是 int ，从np.arange(a)中抽取样本； -
size：int or tuple of ints, optional，给定数组的大小，默认为None，此时返回一个值； -
replace：boolean, optional，如果为True，值可重复； -
p：int or array_like，a中对应元素被抽取的概率；如果为None，概率均匀分布；
返回： -
return：ndarray，生成随机样本数组；
>>> np.random.choice(5, (2, 3), replace=False, p=[0.1, 0, 0.3, 0.6, 0])
array([[3, 3, 0],
[3, 2, 3]])7. random.bytes(length)
参数：
-
length：int，随机字节的数量；
返回： -
return：bytes，length长度的字节；
>>> np.random.bytes(10)
b'\xb2\xbb $\xad\xfd\xebx$\xa6'二、常见分布数据的生成
1. random.uniform(low=0.0, high=1.0, size=None)
参数：
-
low：float or array_like of floats, optional，输出间隔的下边界，默认为0。0； -
high：float or array_like of floats，输出间隔的上边界，默认为1.0； -
size：int or tuple of ints, optional，输出数组的大小；
返回：
-
return：ndarray or scalar，服从 1/(b-a) 分布的数组；
>>> np.random.uniform(-1,1,(2, 3))
array([[ 0.39929693, -0.81612905, -0.89239555],
[ 0.72559234, 0.25994077, 0.7393063 ]])
>>> np.random.uniform(-1,(0, 1, 2, 3),(2, 4))
array([[-0.91230913, 0.73180765, -0.87625732, 2.83269636],
[-0.77263192, 0.5037242 , 0.20224601, 0.6123017 ]])2. random.normal(loc=0.0, scale=1.0, size=None)
参数：
-
loc：float or array_like of floats，分布的均值； -
scale：float or array_like of floats，分布的标准差； -
size：int or tuple of ints, optional，输出输出的大小；
返回：
-
return：ndarray or scalar，服从正态分布的数组；
>>> np.random.normal(0, 1,(2, 4))
array([[ 0.04656189, -1.67982886, 1.39589233, -0.84497142],
[ 0.81400694, -0.04974231, 0.53424675, -0.80700913]])3. random.exponential(scale=1.0, size=None)
参数：
-
scale：float or array_like of floats，参数 必须是非负； -
size：int or tuple of ints, optional，输出尺寸；
返回：
-
return：ndarray or scalar，服从指数分布的数组；
>>> np.random.exponential(size=(2, 4))
array([[2.03866542, 0.138469 , 3.65180763, 1.40330064],
[2.48503613, 0.03843198, 0.33666064, 1.73108522]])三、随机排列函数
1. random.shuffle(x)
参数：
-
x：ndarray or MutableSequence，数组、列表或者可变数组；
返回：
-
Returns：None；沿着多维数组的第一维洗牌数组。
>>> arr = np.random.randint(1, 10, size=(4,3))
>>> print(arr)
>>> np.random.shuffle(arr)
>>> print(arr)
[[1 7 1]
[8 4 2]
[9 6 7]
[2 3 5]]
[[9 6 7]
[2 3 5]
[1 7 1]
[8 4 2]]2. random.permutation(x)
参数：
-
x：int or array_like，如果是int，随机洗牌np.arange(x)，如果是数组，将发生复制并洗牌；
返回：
-
Returns：ndarray，沿着多维数组的第一维洗牌数组，并返回。
>>> arr = np.arange(12).reshape(3, 4)
>>> print(arr)
>>> np.random.permutation(arr)
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])四、随机种子
1. numpy.seed(seed=None)
向随机数生成器传递随机状态种子，生成全局随机种子。
同一随机种子将生成相同的随机数。
2. numpy.random.RandomState对象
只改变局部的随机种子。
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
