numpy.random随机函数

rand(d0, d1,...dn) 随机数组, 浮点数，[0, 1)均匀分布
randn(d0, d1,...dn) 随机数组，正态分布
randint(low, high, shape) 指定随机范围
seed(s) 随机种子
shuffle(a) 随机排列第一轴， 改变数组a
permutation(a) 根据第一轴返回乱序数组，不改变数组
choice（a[, size, replace, p]） 从一维数组a中，以概率p抽取元素形成size形状的新数组， replace表示是否可以重用元素，默认false
uniform(low, high, size) 产生均匀分布的数组 low起始，high结束，size形状
normal(loc, scale, size) 正态分布数组 loc均值，scale标准差，size形状
poisson(lam, size)  泊松分布数组lam随机事件发生概率，size形状

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
 

代码示例

# -*- coding: utf-8 -*-

# @File : random_demo.py
# @Date : 2018-05-06

import numpy as np

# 均匀分布[0, 1)
a = np.random.rand(3, 4)
print(a)
"""
[[0.6080194  0.47885844 0.48511573 0.15609718]
 [0.90561005 0.20551061 0.59124551 0.21673084]
 [0.05076159 0.52149204 0.24823637 0.9541937 ]]
"""

# 正态分布
b = np.random.randn(3, 4)
print(b)
"""
[[-1.4866319   0.45051244  1.95193206  1.5092608 ]
 [ 0.17095636  0.76524396 -0.23887707 -0.75316857]
 [ 0.57783147  1.12816053  1.13248504 -1.62456833]]
"""


# 使用随机种子
np.random.seed(10)

# 指定随机范围
c = np.random.randint(100, 200, (3, 4))
print(c)
"""
[[109 115 164 128]
 [189 193 129 108]
 [173 100 140 136]]
"""

# 使用相同的随机种子
np.random.seed(10)

d = np.random.randint(100, 200, (3, 4))
print(d)
"""
[[109 115 164 128]
 [189 193 129 108]
 [173 100 140 136]]
"""

# 打乱第一维，改变数组
np.random.shuffle(d)
print(d)
"""
[[189 193 129 108]
 [173 100 140 136]
 [109 115 164 128]]
"""

# 改变第一维，返回新数组
e = np.random.permutation(d)
print(e)
"""
[[173 100 140 136]
 [189 193 129 108]
 [109 115 164 128]]
"""

# 随机从一维数组中选择元素
f = e.flatten()  # 降维
print(f)
# [173 100 140 136 189 193 129 108 109 115 164 128]

g = np.random.choice(f, (2, 3))
print(g)
"""
[[128 164 100]
 [109 189 100]]
"""

# 关闭元素重用
h = np.random.choice(f, (2, 3), replace=False)
print(h)
"""
[[108 173 109]
 [140 189 115]]
"""


# 设置每个元素的抽取概率
p = f/np.sum(f)
print(p)
"""
[0.10273159 0.05938242 0.08313539 0.0807601  0.11223278 0.11460808
 0.07660333 0.06413302 0.06472684 0.06828979 0.09738717 0.0760095 ]
"""

j = np.random.choice(f, (2, 3), replace=False, p=p)
print(j)
"""
[[115 100 136]
 [173 140 108]]
"""

# 均匀分布，指定起止范围
k = np.random.uniform(low=1, high=10, size=(3, 4))
print(k)
"""
[[3.9869403  6.03683529 4.01949682 4.70064291]
 [1.69169952 8.67738691 4.9598871  2.09758732]
 [7.58561162 2.24904219 7.90192044 8.48790791]]
"""

# 正态分布，指定均值，标准差
l = np.random.normal(loc=10, scale=5, size=(3, 4))
print(l)
"""
[[14.20717363  1.79875008 15.29002579  9.54107779]
 [ 6.37982703  7.99769821 12.22662292 14.79969824]
 [ 3.2682308  20.09449687 15.41188173  1.07141088]]
"""

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
  
14
  
15
  
16
  
17
  
18
  
19
  
20
  
21
  
22
  
23
  
24
  
25
  
26
  
27
  
28
  
29
  
30
  
31
  
32
  
33
  
34
  
35
  
36
  
37
  
38
  
39
  
40
  
41
  
42
  
43
  
44
  
45
  
46
  
47
  
48
  
49
  
50
  
51
  
52
  
53
  
54
  
55
  
56
  
57
  
58
  
59
  
60
  
61
  
62
  
63
  
64
  
65
  
66
  
67
  
68
  
69
  
70
  
71
  
72
  
73
  
74
  
75
  
76
  
77
  
78
  
79
  
80
  
81
  
82
  
83
  
84
  
85
  
86
  
87
  
88
  
89
  
90
  
91
  
92
  
93
  
94
  
95
  
96
  
97
  
98
  
99
  
100
  
101
  
102
  
103
  
104
  
105
  
106
  
107
  
108
  
109
  
110
  
111
  
112
  
113
  
114
  
115
  
116
  
117
  
118
  
119
  
120
  
121
 

文章来源: pengshiyu.blog.csdn.net，作者：彭世瑜，版权归原作者所有，如需转载，请联系作者。

原文链接：pengshiyu.blog.csdn.net/article/details/80216968