如何正确的使用numpy.random模块

tangjin

作者

今天就跟大家聊聊有关如何正确的使用numpy.random模块，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。

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：

如何正确的使用numpy.random模块

fromnumpyimportrandom

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