什么是隨機(jī)數(shù)

隨機(jī)數(shù)并不意味著每次都有不同的數(shù)字。隨機(jī)意味著無法在邏輯上預(yù)測的事物。

偽隨機(jī)和真隨機(jī)

計算機(jī)在程序上工作，程序是權(quán)威的指令集。

因此，這意味著必須有某種算法來生成隨機(jī)數(shù)。

如果存在生成隨機(jī)數(shù)的程序，則可以預(yù)測它，因此它就不是真正的隨機(jī)數(shù)。

通過生成算法生成的隨機(jī)數(shù)稱為偽隨機(jī)數(shù)。

我們可以生成真正的隨機(jī)數(shù)嗎

是的。

為了在我們的計算機(jī)上生成一個真正的隨機(jī)數(shù)，我們需要從某個外部來源獲取隨機(jī)數(shù)據(jù)。

外部來源通常是我們的擊鍵、鼠標(biāo)移動、網(wǎng)絡(luò)數(shù)據(jù)等。

我們不需要真正的隨機(jī)數(shù)，除非它與安全性（例如加密密鑰）有關(guān)或應(yīng)用的基礎(chǔ)是隨機(jī)性（例如數(shù)字輪盤賭輪）。

在本教程中，我們將使用偽隨機(jī)數(shù)。

生成隨機(jī)數(shù)

NumPy 提供了 random 模塊來處理隨機(jī)數(shù)。

實例

生成一個 0 到 100 之間的隨機(jī)整數(shù)：

from numpy import random
x = random.randint(100)
print(x)

運(yùn)行實例

生成隨機(jī)浮點(diǎn)

random 模塊的 rand() 方法返回 0 到 1 之間的隨機(jī)浮點(diǎn)數(shù)。

實例

生成一個 0 到 100 之間的隨機(jī)浮點(diǎn)數(shù)：

from numpy import random
x = random.rand()
print(x)

運(yùn)行實例

生成隨機(jī)數(shù)組

在 NumPy 中，我們可以使用上例中的兩種方法來創(chuàng)建隨機(jī)數(shù)組。

整數(shù)

randint() 方法接受 size 參數(shù)，您可以在其中指定數(shù)組的形狀。

實例

生成一個 1-D 數(shù)組，其中包含 5 個從 0 到 100 之間的隨機(jī)整數(shù)：

from numpy import random
x=random.randint(100, size=(5))
print(x)

運(yùn)行實例

實例

生成有 3 行的 2-D 數(shù)組，每行包含 5 個從 0 到 100 之間的隨機(jī)整數(shù)：

from numpy import random
x = random.randint(100, size=(3, 5))
print(x)

運(yùn)行實例

浮點(diǎn)數(shù)

rand() 方法還允許您指定數(shù)組的形狀。

實例

生成包含 5 個隨機(jī)浮點(diǎn)數(shù)的 1-D 數(shù)組：

from numpy import random
x = random.rand(5)
print(x)

運(yùn)行實例

實例

生成有 3 行的 2-D 數(shù)組，每行包含 5 個隨機(jī)數(shù)：

from numpy import random
x = random.rand(3, 5)
print(x)

運(yùn)行實例

從數(shù)組生成隨機(jī)數(shù)

choice() 方法使您可以基于值數(shù)組生成隨機(jī)值。

choice() 方法將數(shù)組作為參數(shù)，并隨機(jī)返回其中一個值。

實例

返回數(shù)組中的值之一：

from numpy import random
x = random.choice([3, 5, 7, 9])
print(x)

運(yùn)行實例

choice() 方法還允許您返回一個值數(shù)組。

請?zhí)砑右粋€ size 參數(shù)以指定數(shù)組的形狀。

實例

生成由數(shù)組參數(shù)（3、5、7 和 9）中的值組成的二維數(shù)組：

from numpy import random
x = random.choice([3, 5, 7, 9], size=(3, 5))
print(x)

運(yùn)行實例

什么是 ufuncs

ufuncs 指的是“通用函數(shù)”（Universal Functions），它們是對 ndarray 對象進(jìn)行操作的 NumPy 函數(shù)。

為什么要使用 ufuncs

ufunc 用于在 NumPy 中實現(xiàn)矢量化，這比迭代元素要快得多。

它們還提供廣播和其他方法，例如減少、累加等，它們對計算非常有幫助。

ufuncs 還接受其他參數(shù)，比如：

• where 布爾值數(shù)組或條件，用于定義應(yīng)在何處進(jìn)行操作。
• dtype 定義元素的返回類型。
• out 返回值應(yīng)被復(fù)制到的輸出數(shù)組。

什么是向量化

將迭代語句轉(zhuǎn)換為基于向量的操作稱為向量化。

由于現(xiàn)代 CPU 已針對此類操作進(jìn)行了優(yōu)化，因此速度更快。

對兩個列表的元素進(jìn)行相加：

list 1: [1, 2, 3, 4]

list 2: [4, 5, 6, 7]

一種方法是遍歷兩個列表，然后對每個元素求和。

實例

如果沒有 ufunc，我們可以使用 Python 的內(nèi)置 zip() 方法：

x = [1, 2, 3, 4]
y = [4, 5, 6, 7]
z = []
for i, j in zip(x, y):
  z.append(i + j)
print(z)

運(yùn)行實例

對此，NumPy 有一個 ufunc，名為 add(x, y)，它會輸出相同的結(jié)果。

實例

通過 ufunc，我們可以使用 add() 函數(shù)：

import numpy as np
x = [1, 2, 3, 4]
y = [4, 5, 6, 7]
z = np.add(x, y)
print(z)

運(yùn)行實例

到此這篇關(guān)于Python NumPy中的隨機(jī)數(shù)及ufuncs函數(shù)使用示例詳解的文章就介紹到這了,更多相關(guān)Python NumPy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