快捷導(dǎo)航

numpy中生成隨機數(shù)的幾種常用函數(shù)(小結(jié))

更新時間：2020年08月18日 14:57:40 作者：Huang supreme

這篇文章主要介紹了numpy中生成隨機數(shù)的幾種常用函數(shù)，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

1、使用numpy生成隨機數(shù)的幾種方式

1）生成指定形狀的0-1之間的隨機數(shù)：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 操作如下

② 區(qū)別如下

2）生成指定數(shù)值范圍內(nèi)的隨機整數(shù)：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)

② 結(jié)果如下

3）與正態(tài)分布有關(guān)的幾個隨機函數(shù)：np.random.randn()和np.random.normal()

np.random.randn 生成服從均值為0，標(biāo)準(zhǔn)差為1的標(biāo)準(zhǔn)正態(tài)分布隨機數(shù)；
np.random.normal 生成指定均值和標(biāo)準(zhǔn)差的正態(tài)分布隨機數(shù)；

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 結(jié)果如下

② 區(qū)別如下

4）均勻分布隨機函數(shù)：np.random.uniform()

用法：生成指定范圍內(nèi)的服從均勻分布的隨機數(shù)；

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

① 結(jié)果如下

5）np.random.seed()：按照種子來生成隨機數(shù)，種子一樣，則生成的隨機數(shù)結(jié)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)

② 結(jié)果如下

6）np.random.shuffle()：打亂數(shù)組元素順序(原地操作數(shù)組)

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

① 結(jié)果如下

7）np.random.choice()：按照指定概率從指定數(shù)組中，生成隨機數(shù)；

① np.random.choice()函數(shù)的用法說明

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

說明：上述函數(shù)第一個參數(shù)表示的是數(shù)組，第二個參數(shù)表示的是概率值。上述函數(shù)的含義是當(dāng)進(jìn)行n多次重復(fù)實驗的時候，抽取1的概率為0.1，抽取2的概率為0.2，抽取3的概率為0.3，抽取4的概率為0.4。

② 結(jié)果如下

③ 隨即進(jìn)行10000次重復(fù)實驗，檢測每一個數(shù)，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)

④ 結(jié)果如下

⑤ 模擬進(jìn)行100000次擲硬幣重復(fù)實驗，檢測每一面，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)

⑥ 結(jié)果如下