在矩陣應(yīng)用的過程中，經(jīng)常需要使用隨機(jī)數(shù)，那么怎么使用numpy 產(chǎn)生隨機(jī)數(shù)呢 ，為此專門做一個(gè)總結(jié)。

random模塊用于生成隨機(jī)數(shù)，下面是一些常用的函數(shù)用法：
numpy.random.seed(n) 其中n為任意指定

當(dāng)我們設(shè)置相同的seed，每次生成的隨機(jī)數(shù)相同。如果不設(shè)置seed，則每次會(huì)生成不同的隨機(jī)數(shù)

numpy.random.seed(0)

np.random.seed(0)
a = np.random.rand(4)  
a

array([0.5488135 , 0.71518937, 0.60276338, 0.54488318])

主要介紹了生成符合均勻分布，正態(tài)分布等數(shù)組和隨機(jī)選取數(shù)以及打亂數(shù)組順序的方法。

1.np.random.rand 生成一個(gè)0到1之間的均勻分布

import numpy as np
a = np.random.rand(2,3,4)
print(a,a.shape)

[[[0.18000344 0.03724064 0.15040061 0.93007827]
  [0.59423019 0.35439936 0.49193457 0.37633185]
  [0.83924196 0.4908405  0.49387427 0.98718216]]

 [[0.20072849 0.90163245 0.36710883 0.56668257]
  [0.61402791 0.46602958 0.56086072 0.83099671]
  [0.85196098 0.62774727 0.62826083 0.41739078]]] (2, 3, 4)

2.np.random.randn 返回一個(gè)符合標(biāo)準(zhǔn)正態(tài)分布的數(shù)組。

a = np.random.randn(2,3,4) 
print(a,a.shape)

[[[ 0.32062268  0.08867553 -0.83741647 -0.21917891]
  [-0.06516898 -1.17123767  2.2403833  -0.77741757]
  [ 0.33532261  0.27309929  1.07279005  0.79952468]]

 [[ 0.18503166  0.90777579 -1.52837098 -1.23783753]
  [ 0.9327577   1.61876194  0.52191996  0.53451075]
  [-1.05485337  1.01472352  0.19376936  0.00278223]]] (2, 3, 4)

3.np.random.randint返回一定范圍的一維或者多維整數(shù)

numpy.random.randint(low, high=None, size=None, dtype=’l’)

返回隨機(jī)整數(shù)，范圍區(qū)間為[low,high），包含low，不包含high

size為數(shù)組維度，元組形式，如（2,3）#2行3列

high沒有填寫時(shí)，默認(rèn)生成隨機(jī)數(shù)的范圍是[0，low)

dtype指定數(shù)據(jù)類型，默認(rèn)int

a = np.random.randint(low=6,high=10,size=(2,3,4),dtype='int')
print(a,a.shape)

[[[8 8 7 8]
  [8 8 6 9]
  [9 6 7 7]]

 [[7 7 9 8]
  [9 6 6 7]
  [8 9 7 7]]] (2, 3, 4)

4.np.random.choice從給定的一維數(shù)組中隨機(jī)選擇數(shù)生成隨機(jī)數(shù)

numpy.random.choice(a, size=None, replace=True, p=None)

a為一維數(shù)組類似數(shù)據(jù)或整數(shù)；size為數(shù)組維度；p為數(shù)組中的數(shù)據(jù)出現(xiàn)的概率

a為整數(shù)時(shí)，對應(yīng)的一維數(shù)組為np.arange(a)

a = np.random.choice(a = [3,5,6],size=(2,3,4),replace=True,p=[0.1,0.5,0.4])
print(a,a.shape)

[[[5 6 3 5]
  [6 5 5 5]
  [6 5 6 6]]

 [[5 5 5 3]
  [6 5 6 6]
  [5 6 5 6]]] (2, 3, 4)

5.np.random.normal(loc=0.0, scale=1.0, size=None),生成符合指定分布的正態(tài)分布。

a = np.random.normal(loc=4,scale=6,size=(2,3,4))
print(a)

[[[13.19667529 12.81615262  4.92968455  6.26897512]
  [-1.32671449 -7.88477881  1.9125271   4.93809381]
  [11.38174408 11.21427909  1.6760391   2.1861835 ]]

 [[-2.29131779 -4.52010762 -6.23762114 15.70465237]
  [ 0.94208691  1.37155419 -3.51677216  8.66494213]
  [-5.68338709  2.72355832 -1.37279937  6.32141499]]]

6.np.random.random(size=None),生成符合0到1的均勻分布數(shù)組。

a = np.random.random((2,3,4))
print(a)

[[[0.19658236 0.36872517 0.82099323 0.09710128]
  [0.83794491 0.09609841 0.97645947 0.4686512 ]
  [0.97676109 0.60484552 0.73926358 0.03918779]]

 [[0.28280696 0.12019656 0.2961402  0.11872772]
  [0.31798318 0.41426299 0.0641475  0.69247212]
  [0.56660145 0.26538949 0.52324805 0.09394051]]]

7. np.random.ranf(size=None),生成符合0到1的均勻分布數(shù)組。

a = np.random.ranf((10))
a

array([0.82894003, 0.00469548, 0.67781654, 0.27000797, 0.73519402,
       0.96218855, 0.24875314, 0.57615733, 0.59204193, 0.57225191])

8.np.random.uniform(low=0.0, high=1.0, size=None)，生成符合指定均勻分布的數(shù)組

g=np.random.uniform(-1,1,10)#指定均勻分布
print(g)

[ 0.07315842  0.79334259  0.98067789 -0.56620603  0.32615641 -0.47335525
 -0.958698    0.51675731 -0.3599657  -0.23307221]

9.np.random.shuffle(x),隨機(jī)打亂數(shù)組順序

a = np.arange(10)
np.random.shuffle(a)
print(a)

[6 3 4 9 0 8 1 5 2 7]

10. 產(chǎn)生其他分布的函數(shù)

• binomial() ,二項(xiàng)分布
• chisquare(),卡方分布
• poisson(),泊松分布
• uiform(),均勻分布
• normal(),正態(tài)分布

到此這篇關(guān)于numpy 產(chǎn)生隨機(jī)數(shù)的幾種方法的文章就介紹到這了,更多相關(guān)numpy 產(chǎn)生隨機(jī)數(shù)內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論