numpy.random模块用法总结

Python  /  管理员 发布于 5年前   414

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)>>> aarray([0, 1, 2, 3, 4])>>> random.permutation(a)array([1, 4, 3, 2, 0])>>> aarray([0, 1, 2, 3, 4])>>> random.shuffle(a)>>> aarray([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。