python 之numpy 之随机生成数

文章目录

• [1. **生成均匀分布的随机浮点数**：](#1. 生成均匀分布的随机浮点数：)
• [2. **生成随机整数**：](#2. 生成随机整数：)
• [3. **生成标准正态分布随机数**：](#3. 生成标准正态分布随机数：)
• [4. **生成正态分布随机数**：](#4. 生成正态分布随机数：)
• [5. **生成均匀分布的随机浮点数**：](#5. 生成均匀分布的随机浮点数：)
• [6. **生成随机抽样**：](#6. 生成随机抽样：)
• [7. **设置随机数种子**：](#7. 设置随机数种子：)
• [8. **随机重排数组元素**：](#8. 随机重排数组元素：)

np.random 模块提供了多种随机数生成函数，用于生成不同类型的随机数据。以下是对每种用法的详细介绍以及相应的示例代码：

1. 生成均匀分布的随机浮点数：

使用 np.random.random() 函数，生成均匀分布的随机浮点数，范围在 [0.0, 1.0) 区间内。

import numpy as np

# 生成一个随机浮点数
rand_num = np.random.random()
print("随机浮点数:", rand_num)

2. 生成随机整数：

使用 np.random.randint() 函数，生成指定范围内的随机整数。

import numpy as np

# 生成一个随机整数，范围在 [0, 10) 内
rand_int = np.random.randint(0, 10)
print("随机整数:", rand_int)

3. 生成标准正态分布随机数：

使用 np.random.randn() 函数，生成符合标准正态分布（均值为 0，标准差为 1）的随机数。

import numpy as np

# 生成一个符合标准正态分布的随机数
rand_normal = np.random.randn()
print("标准正态分布随机数:", rand_normal)

4. 生成正态分布随机数：

使用 np.random.normal() 函数，生成指定均值和标准差的正态分布随机数。

import numpy as np

# 生成均值为 5，标准差为 2 的正态分布随机数
rand_normal = np.random.normal(loc=5, scale=2)
print("正态分布随机数:", rand_normal)

5. 生成均匀分布的随机浮点数：

使用 np.random.uniform() 函数，生成在指定范围内均匀分布的随机浮点数。

import numpy as np

# 生成一个在 [2.0, 4.0) 范围内的随机浮点数
rand_uniform = np.random.uniform(2.0, 4.0)
print("均匀分布随机数:", rand_uniform)

6. 生成随机抽样：

使用 np.random.choice() 函数，从给定的数组中随机选择元素，可以指定抽样数量和是否允许重复选择。

import numpy as np

# 从列表中随机抽样 3 个元素，允许重复选择
sample = np.random.choice([1, 2, 3, 4, 5], size=3, replace=True)
print("随机抽样:", sample)

7. 设置随机数种子：

使用 np.random.seed() 函数，设置随机数生成器的种子，以便使随机数生成可重复。

import numpy as np

# 设置随机数种子
np.random.seed(42)

# 生成随机数
rand_num = np.random.random()
print("随机浮点数:", rand_num)

8. 随机重排数组元素：

使用 np.random.shuffle() 函数，对数组进行随机重排。

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
np.random.shuffle(arr)
print("随机重排后的数组:", arr)

这些是 np.random 模块中常见的随机数生成函数的用法示例。这些函数在不同的数据分析、模拟、机器学习等应用中非常有用，可以用于生成模拟数据、进行随机实验、初始化权重矩阵等各种情况。