numpy中生成随机数的几种常用函数

1、使用numpy生成随机数的几种方式

1）生成指定形状的0-1之间的随机数：np.random.random()和np.random.rand()

array1 = np.random.random((3))
display(array1)
# -----------------------------------
array2 = np.random.random((3,4))
display(array2)
# -----------------------------------
array3 = np.random.rand(3)
display(array3)
# -----------------------------------
array4 = np.random.rand(2,3)
display(array4)

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
 

① 操作如下


② 区别如下

2）生成指定数值范围内的随机整数：np.random.randint()

① 操作如下

array9 = np.random.randint(low=1, high=10, size=6, dtype=np.int32)
display(array9)
# ---------------------------------------------------------
array10 = np.random.randint(low=1, high=10, size=(2,3), dtype=np.int64)
display(array10)
# ---------------------------------------------------------
array11 = np.random.randint(low=1, high=10, size=(2,3,4), dtype=np.int32)
display(array11)

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
 

② 结果如下

3）与正态分布有关的几个随机函数：np.random.randn()和np.random.normal()

• np.random.randn 生成服从均值为0，标准差为1的标准正态分布随机数；
• np.random.normal 生成指定均值和标准差的正态分布随机数；

array5 = np.random.randn(3)
display(array5)
# ---------------------------------------------
array6 = np.random.randn(2,3)
display(array6)
# ---------------------------------------------
array7 = np.random.normal(loc=2,scale=0.5,size=6)
display(array7)
# ---------------------------------------------
array8 = np.random.normal(loc=2,scale=0.5,size=6).reshape(2,3)
display(array8)

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
 

① 结果如下

② 区别如下

4）均匀分布随机函数：np.random.uniform()

• 用法：生成指定范围内的服从均匀分布的随机数；

array11 = np.random.uniform(1,10,5)
display(array11)
# ---------------------------------
array12 = np.random.uniform(1,10,(2,3))
display(array12)

  

 

  
1
  
2
  
3
  
4
  
5
 

① 结果如下

5）np.random.seed()：按照种子来生成随机数，种子一样，则生成的随机数结果必一致

① 操作如下

np.random.seed(3)
a = np.random.rand(3)
display(a)
np.random.seed(3)
b = np.random.rand(3)
display(b)
# --------------------------
np.random.seed()
a = np.random.rand(3)
display(a)
np.random.seed()
b = np.random.rand(3)
display(b)

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
 

② 结果如下

6）np.random.shuffle()：打乱数组元素顺序(原地操作数组)

c = np.arange(10)
display(c)
np.random.shuffle(c)
display(c)

  

 

  
1
  
2
  
3
  
4
 

① 结果如下

7）np.random.choice()：按照指定概率从指定数组中，生成随机数；

① np.random.choice()函数的用法说明

d = np.random.choice([1,2,3,4], p=[0.1, 0.2, 0.3, 0.4])
display(d)

  

 

  
1
  
2
 

说明：上述函数第一个参数表示的是数组，第二个参数表示的是概率值。上述函数的含义是当进行n多次重复实验的时候，抽取1的概率为0.1，抽取2的概率为0.2，抽取3的概率为0.3，抽取4的概率为0.4。

② 结果如下

③ 随即进行10000次重复实验，检测每一个数，被抽取到的概率

list1 = [0,0,0,0]
for i in range(100000): f = np.random.choice([1,2,3,4], p=[0.1, 0.2, 0.3, 0.4]) list1[f-1] = list1[f-1] + 1
display(list1)

result_list = [value/sum(list1) for value in list1]
display(result_list)

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
 

④ 结果如下

⑤ 模拟进行100000次掷硬币重复实验，检测每一面，被抽取到的概率

list1 = [0,0]
for i in range(100000): f = np.random.choice([0,1], p=[0.5,0.5]) list1[f] = list1[f] + 1
display(list1)

result_list = [value/sum(list1) for value in list1]
display(result_list)

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
 

⑥ 结果如下

文章来源: blog.csdn.net，作者：数据分析与统计学之美，版权归原作者所有，如需转载，请联系作者。

原文链接：blog.csdn.net/weixin_41261833/article/details/103745009