numpy 产生随机数的几种方法

在矩阵应用的过程中，经常需要使用随机数，那么怎么使用numpy 产生随机数呢 ，为此专门做一个总结。

random模块用于生成随机数，下面是一些常用的函数用法：
numpy.random.seed(n) 其中n为任意指定

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

numpy.random.seed(0)

np.random.seed(0)
a = np.random.rand(4)  
a

array([0.5488135 , 0.71518937, 0.60276338, 0.54488318])

主要介绍了生成符合均匀分布，正态分布等数组和随机选取数以及打乱数组顺序的方法。

1.np.random.rand 生成一个0到1之间的均匀分布

import numpy as np
a = np.random.rand(2,3,4)
print(a,a.shape)

[[[0.18000344 0.03724064 0.15040061 0.93007827]
  [0.59423019 0.35439936 0.49193457 0.37633185]
  [0.83924196 0.4908405  0.49387427 0.98718216]]

 [[0.20072849 0.90163245 0.36710883 0.56668257]
  [0.61402791 0.46602958 0.56086072 0.83099671]
  [0.85196098 0.62774727 0.62826083 0.41739078]]] (2, 3, 4)

2.np.random.randn 返回一个符合标准正态分布的数组。

a = np.random.randn(2,3,4)
print(a,a.shape)

[[[ 0.32062268  0.08867553 -0.83741647 -0.21917891]
  [-0.06516898 -1.17123767  2.2403833  -0.77741757]
  [ 0.33532261  0.27309929  1.07279005  0.79952468]]

 [[ 0.18503166  0.90777579 -1.52837098 -1.23783753]
  [ 0.9327577   1.61876194  0.52191996  0.53451075]
  [-1.05485337  1.01472352  0.19376936  0.00278223]]] (2, 3, 4)

3.np.random.randint返回一定范围的一维或者多维整数

numpy.random.randint(low, high=None, size=None, dtype=’l’)

返回随机整数，范围区间为[low,high），包含low，不包含high

size为数组维度，元组形式，如（2,3）#2行3列

high没有填写时，默认生成随机数的范围是[0，low)

dtype指定数据类型，默认int

a = np.random.randint(low=6,high=10,size=(2,3,4),dtype='int')
print(a,a.shape)

[[[8 8 7 8]
  [8 8 6 9]
  [9 6 7 7]]

 [[7 7 9 8]
  [9 6 6 7]
  [8 9 7 7]]] (2, 3, 4)

4.np.random.choice从给定的一维数组中随机选择数生成随机数

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

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

a为整数时，对应的一维数组为np.arange(a)

a = np.random.choice(a = [3,5,6],size=(2,3,4),replace=True,p=[0.1,0.5,0.4])
print(a,a.shape)

[[[5 6 3 5]
  [6 5 5 5]
  [6 5 6 6]]

 [[5 5 5 3]
  [6 5 6 6]
  [5 6 5 6]]] (2, 3, 4)

5.np.random.normal(loc=0.0, scale=1.0, size=None),生成符合指定分布的正态分布。

a = np.random.normal(loc=4,scale=6,size=(2,3,4))
print(a)

[[[13.19667529 12.81615262  4.92968455  6.26897512]
  [-1.32671449 -7.88477881  1.9125271   4.93809381]
  [11.38174408 11.21427909  1.6760391   2.1861835 ]]

 [[-2.29131779 -4.52010762 -6.23762114 15.70465237]
  [ 0.94208691  1.37155419 -3.51677216  8.66494213]
  [-5.68338709  2.72355832 -1.37279937  6.32141499]]]

6.np.random.random(size=None),生成符合0到1的均匀分布数组。

a = np.random.random((2,3,4))
print(a)

[[[0.19658236 0.36872517 0.82099323 0.09710128]
  [0.83794491 0.09609841 0.97645947 0.4686512 ]
  [0.97676109 0.60484552 0.73926358 0.03918779]]

 [[0.28280696 0.12019656 0.2961402  0.11872772]
  [0.31798318 0.41426299 0.0641475  0.69247212]
  [0.56660145 0.26538949 0.52324805 0.09394051]]]

7. np.random.ranf(size=None),生成符合0到1的均匀分布数组。

a = np.random.ranf((10))
a

array([0.82894003, 0.00469548, 0.67781654, 0.27000797, 0.73519402,
      0.96218855, 0.24875314, 0.57615733, 0.59204193, 0.57225191])

8.np.random.uniform(low=0.0, high=1.0, size=None)，生成符合指定均匀分布的数组

g=np.random.uniform(-1,1,10)#指定均匀分布
print(g)

[ 0.07315842  0.79334259  0.98067789 -0.56620603  0.32615641 -0.47335525
 -0.958698    0.51675731 -0.3599657  -0.23307221]

9.np.random.shuffle(x),随机打乱数组顺序

a = np.arange(10)
np.random.shuffle(a)
print(a)

[6 3 4 9 0 8 1 5 2 7]

10. 产生其他分布的函数

• binomial() ,二项分布

• chisquare(),卡方分布

• poisson(),泊松分布

• uiform(),均匀分布

• normal(),正态分布

来源：https://blog.csdn.net/qq_43790749/article/details/120069276