numpy.random模块用法总结

站长资源 2024/11/26 佚名

2 0 1

random模块用于生成随机数，下面看看模块中一些常用函数的用法：

from numpy import random

numpy.random.uniform(low=0.0, high=1.0, size=None)

生出size个符合均分布的浮点数，取值范围为[low, high)，默认取值范围为[0, 1.0)

> random.uniform()
0.3999807403689315
> random.uniform(size=1)
array([0.55950578])
> random.uniform(5, 6)
5.293682668235986
> random.uniform(5, 6, size=(2,3))
array([[5.82416021, 5.68916836, 5.89708586],
    [5.63843125, 5.22963754, 5.4319899 ]])

numpy.random.rand(d0, d1, ..., dn)

生成一个(d0, d1, ..., dn)维的数组，数组的元素取自[0, 1)上的均分布，若没有参数输入，则生成一个数

> random.rand()
0.4378166124207712
> random.rand(1)
array([0.69845956])
> random.rand(3,2)
array([[0.15725424, 0.45786148],
    [0.63133098, 0.81789056],
    [0.40032941, 0.19108526]])
> random.rand(3,2,1)
array([[[0.00404447],
    [0.3837963 ]],

    [[0.32518355],
    [0.82482599]],

    [[0.79603205],
    [0.19087375]]])

numpy.random.randint(low, high=None, size=None, dtype='I')

生成size个整数，取值区间为[low, high)，若没有输入参数high则取值区间为[0, low)

> random.randint(8)
5
> random.randint(8, size=1)
array([1])
> random.randint(8, size=(2,2,3))
array([[[4, 7, 0],
    [1, 4, 1]],

    [[2, 2, 5],
    [7, 6, 4]]])
> random.randint(8, size=(2,2,3), dtype='int64')
array([[[5, 5, 6],
    [2, 7, 2]],

    [[2, 7, 6],
    [4, 7, 7]]], dtype=int64)

numpy.random.random_integers(low, high=None, size=None)

生成size个整数，取值区间为[low, high], 若没有输入参数high则取值区间为[1, low]，注意这里左右都是闭区间

> random.randint(8)
> random.randint(8, size=1)
array([1])
> random.randint(8, size=(2,2,3))
array([[[4, 7, 0],
    [1, 4, 1]],

    [[2, 2, 5],
    [7, 6, 4]]])
> random.randint(8, size=(2,2,3), dtype='int64')
array([[[5, 5, 6],
    [2, 7, 2]],

    [[2, 7, 6],
    [4, 7, 7]]], dtype=int64)

numpy.random.random(size=None)

产生[0.0, 1.0)之间的浮点数

> random.random(5)
array([0.94128141, 0.98725499, 0.48435957, 0.90948135, 0.40570882])
> random.random()
0.49761416226728084

相同用法：

numpy.random.random_sample
numpy.random.ranf
numpy.random.sample (抽取不重复)

numpy.random.bytes(length)

生成随机字节

> random.bytes(1)
b'%'
> random.bytes(2)
b'\xd0\xc3'

numpy.random.choice(a, size=None, replace=True, p=None)

从a（数组）中选取size（维度）大小的随机数，replace=True表示可重复抽取，p是a中每个数出现的概率

若a是整数，则a代表的数组是arange(a)

> random.choice(5)
3
> random.choice([0.2, 0.4])
0.2
> random.choice([0.2, 0.4], p=[1, 0])
0.2
> random.choice([0.2, 0.4], p=[0, 1])
0.4
> random.choice(5, 5)
array([1, 2, 4, 2, 4])
> random.choice(5, 5, False)
array([2, 0, 1, 4, 3])
> random.choice(100, (2, 3, 5), False)
array([[[43, 81, 48, 2, 8],
    [33, 79, 30, 24, 83],
    [ 3, 82, 97, 49, 98]],

    [[32, 12, 15, 0, 96],
    [19, 61, 6, 42, 60],
    [ 7, 93, 20, 18, 58]]])

numpy.random.permutation(x)

随机打乱x中的元素。若x是整数，则打乱arange(x)，若x是一个数组，则将copy(x)的第一位索引打乱，意思是先复制x，对副本进行打乱处理，打乱只针对数组的第一维

> random.permutation(5)
array([1, 2, 3, 0, 4])
> random.permutation(5)
array([1, 4, 3, 2, 0])
> random.permutation([[1,2,3],[4,5,6]])
array([[1, 2, 3],
    [4, 5, 6]])
> random.permutation([[1,2,3],[4,5,6]])
array([[4, 5, 6],
    [1, 2, 3]])

numpy.random.shuffle(x)

与permutation类似，随机打乱x中的元素。若x是整数，则打乱arange(x). 但是shuffle会对x进行修改

> a = arange(5)
> a
array([0, 1, 2, 3, 4])
> random.permutation(a)
array([1, 4, 3, 2, 0])
> a
array([0, 1, 2, 3, 4])
> random.shuffle(a)
> a
array([4, 1, 3, 2, 0])

numpy.random.seed(seed=None)

设置随机生成算法的初始值

其它符合函数分布的随机数函数

numpy.random.beta
numpy.random.binomial
numpy.random.chisquare
numpy.random.dirichlet
numpy.random.exponential
numpy.random.f
numpy.random.gamma
numpy.random.geometric
numpy.random.gumbel
numpy.random.hypergeometric
numpy.random.laplace
numpy.random.logistic
numpy.random.lognormal
numpy.random.logseries
numpy.random.multinomial
numpy.random.multivariate_normal
numpy.random.negative_binomial
numpy.random.noncentral_chisquare
numpy.random.noncentral_f
numpy.random.normal
numpy.random.pareto
numpy.random.poisson
numpy.random.power
numpy.random.randn
numpy.random.rayleigh
numpy.random.standard_cauchy
numpy.random.standard_exponential
numpy.random.standard_gamma
numpy.random.standard_normal
numpy.random.standard_t
numpy.random.triangular
numpy.random.vonmises
numpy.random.wald
numpy.random.weibull
numpy.random.zipf

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。

numpy.random模块,numpy,random

广告合作：本站广告合作请联系QQ：858582 申请时备注：广告合作（否则不回）
免责声明：本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除！

评论“numpy.random模块用法总结”

暂无评论...

www.wwsws.com 伏龙阁资源网

39,976影音资源

44,792技术资源

21,817软件资源

651,128站长资源

numpy.random模块用法总结

Django框架封装外部函数示例

Django框架自定义session处理操作示例

评论“numpy.random模块用法总结”

稳了！魔兽国服回归的3条重磅消息！官宣时间再确认！

更新日志

友情链接