numpy.random模块用法总结

2022-11-28 15:26:35

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.random_integers(5)

1

>>> random.random_integers(5, size=1)

array([2])

>>> random.random_integers(4, 5, size=(2,2))

array([[5, 4],

       [4, 4]])

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

码农公寓

numpy.random模块用法总结

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

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

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

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

numpy.random.random(size=None)

numpy.random.bytes(length)

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

numpy.random.permutation(x)

numpy.random.shuffle(x)

numpy.random.seed(seed=None)

其它符合函数分布的随机数函数

码农公寓

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

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

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

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

numpy.random.random(size=None)

numpy.random.bytes(length)

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

numpy.random.permutation(x)

numpy.random.shuffle(x)

numpy.random.seed(seed=None)

其它符合函数分布的随机数函数

相关文章