【Numpy】一篇文章讲解常用的numpy.random()函数（含Python代码理解）

首先我们导入numpy：

import numpy as np
1

1. np.random.rand()

语法：numpy.random.rand(d0,d1,...,dn)

rand函数根据给定维度生成[0,1)之间的数据，dn为生成数据的在每个维度上有几个值
1

举一个例子：

print(np.random.rand(4,4))
1

我们上面是要求生成一个四行四列的矩阵，结果展示如下：

[[0.76148228 0.69741528 0.85618308 0.35497915]
 [0.80883181 0.07394968 0.84910785 0.96689938]
 [0.93378835 0.6106163  0.97327159 0.85259089]
 [0.08924978 0.40916202 0.46347513 0.44368508]]
1
2
3
4

2. np.random.randn()

语法：numpy.random.randn(d0,d1,...,dn)

返回一个或一组样本，具有标准的正态分布
dn的意义同上
1
2

举一个例子：

print(np.random.randn(4,4))
1

结果展示：

[[-0.13707518  0.49339886 -0.39953276 -0.00649661]
 [-0.86065941  1.05535116 -1.04004927 -0.44068854]
 [ 1.20648254  0.21791289 -1.16513215 -0.34280696]
 [-2.26298815  0.71094526 -1.18086159 -0.97208557]]
1
2
3
4

3. np.random.randint()

语法为：numpy.random.randint(low,high=None, size=None, dtype='l')

返回随机整数，范围是[low, high), 包含low, 不包含hig
hlow 是最小值，high是最大值，size为数组维度大小，dtype为数据类型
high 没有填写时，默认生成的随机数的范围是[0,low)

举一个例子：

print(np.random.randint(0,10,5))
1

结果展示为：

[4 9 9 5 4]
1

4. 生成[0,1)之间的浮点数

我们可以使用以下几个函数：

1） numpy.random.random_sample(size=None)

2） numpy.random.random(size=None)

3） numpy.random.ranf(size=None)

4） numpy.random.sample(size=None)
1
2
3
4
5
6
7

结果展示：

1）

print(np.random.random_sample(10))
1

结果展示：

[0.07232841 0.35329631 0.18994809 0.37573525 0.41869297 0.42815916
 0.09142496 0.13752638 0.27210487 0.03473026]
1
2

2）

print(np.random.random(10))
1

结果展示：

[0.57782124 0.98586647 0.26316025 0.01350018 0.31534374 0.29930303
 0.25787614 0.54663009 0.44360118 0.9096048 ]
1
2

3）

print(np.random.ranf(10))
1

结果展示为：

[0.67700311 0.29741907 0.26364099 0.50193695 0.20823445 0.41568927
 0.80208311 0.59939499 0.5815308  0.50895808]
1
2

4）

print(np.random.sample(10))
1

结果展示为：

[0.24963546 0.10957904 0.88985519 0.39149802 0.95887497 0.30991873
 0.90713363 0.57993866 0.29358357 0.37979748]
1
2

5. np.random.choice()

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

从给定的一维数组中生成随机数a 为一维数组类似数据或整数；
size为数组维度；p为数组中的数据出现的概率

举个例子：

print(np.random.choice(10,5))
1

结果展示如下：

[5 1 5 6 1]
1

6. np.random.seed()

使得随机数可预测当我们设置相同的seed，每次生成的随机数相同。
如果不设置seed，则每次会生成不同的随机数
1
2

举个例子：

np.random.seed(0)
print(np.random.randint(0,5,3))
1
2

第一次运行：

[4 0 3]
1

第二次运行：

[4 0 3]
1

结果是一样的，避免了数据的随机性。