python人工智能tensorflow函数np.random模块使用
作者:Bubbliiiing 发布时间:2021-03-02 20:05:55
np.random模块常用的一些方法介绍
名称 | 作用 |
---|---|
numpy.random.rand(d0, d1, …, dn) | 生成一个[d0, d1, …, dn]维的numpy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[0, 1)的数。 |
numpy.random.randn(d0, d1, …, dn) | 生成一个[d0, d1, …, dn]维的numpy数组,具有标准正态分布。 |
numpy.random.randint(low, high=None, size=None, dtype=‘I’) | 生成整数,取值范围为[low, high),若没有输入参数high,则取值区间为[0, low)。 |
numpy.random.uniform(low=0.0, high=1.0, size=None) | 生成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)。 |
numpy.random.normal(loc=0.0, scale=1.0, size=None) | 按照正态分布生成均值为loc,标准差为scale的,形状为size的浮点数。 |
numpy.random.random(size=None) | 生成[0.0, 1.0)之间的浮点数。 |
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)。 |
例子
numpy.random.rand(d0, d1, …, dn):
生成一个[d0, d1, …, dn]维的numpy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[0, 1)的数。
import numpy as np
v1 = np.random.rand()
v2 = np.random.rand(3,4)
print(v1)
print(v2)
输出结果为:
0.618411110932038
[[0.35134062 0.55609186 0.4173297 0.85541691]
[0.35144304 0.31204156 0.60196109 0.390464 ]
[0.19186067 0.94570486 0.8637441 0.07028114]]
numpy.random.randn(d0, d1, …, dn):
生成一个[d0, d1, …, dn]维的numpy数组,具有标准正态分布。
import numpy as np
v1 = np.random.randn()
v2 = np.random.randn(3,4)
print(v1)
print(v2)
输出结果为:
0.47263651836701953
[[-0.23431214 0.97197099 0.52845269 -0.45246824]
[-1.1266395 -1.60040653 -2.64602615 -0.19457032]
[-0.520287 -1.0799122 0.08441667 0.34980224]]
numpy.random.randint(low, high=None, size=None, dtype=‘I’):
生成整数,取值范围为[low, high),若没有输入参数high,则取值区间为[0, low)。
import numpy as np
v1 = np.random.randint(5)
v2 = np.random.randint(1,high = 5)
v3 = np.random.randint(1,high = 5,size = [3,4])
print(v1)
print(v2)
print(v3)
输出结果为:
2
3
[[1 1 3 1]
[2 2 3 2]
[3 4 2 1]]
numpy.random.uniform(low=0.0, high=1.0, size=None):
生成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)。
import numpy as np
v1 = np.random.uniform()
v2 = np.random.uniform(low = 0,high = 5)
v3 = np.random.uniform(low = 0,high = 5,size = [3,4])
print(v1)
print(v2)
print(v3)
输出结果为:
0.6925621763952164
3.0483936610544218
[[1.34959297 4.84117424 0.41277118 4.81392216]
[2.91266734 0.87922181 3.39729422 3.34340092]
[0.45158364 3.8129479 0.54246798 2.57192192]]
numpy.random.normal(loc=0.0, scale=1.0, size=None)
按照正态分布生成均值为loc,标准差为scale的,形状为size的浮点数。
import numpy as np
v1 = np.random.normal()
v2 = np.random.normal(loc = 0,scale = 5)
v3 = np.random.normal(loc = 0,scale = 5,size = [3,4])
print(v1)
print(v2)
print(v3)
输出结果为:
0.7559391954091367
-3.359831771004067
[[ 3.90821047 6.37757533 6.3813528 0.86219281]
[ -3.61201084 4.05948053 -3.91172941 11.29050165]
[ -8.60318633 -10.07090496 -4.86557867 7.98536182]]
numpy.random.random(size=None)
生成[0.0, 1.0)之间的浮点数。
import numpy as np
v1 = np.random.random()
v2 = np.random.random(size = [3,4])
print(v1)
print(v2)
输出结果为:
0.5930924941107145
[[0.41002067 0.28097163 0.8908558 0.16951515]
[0.59730596 0.57475303 0.84174255 0.59633522]
[0.63508879 0.44138737 0.6223043 0.61540997]]
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)。
import numpy as np
v1 = np.random.choice(5)
v2 = np.random.choice(5,size = 5)
v3 = np.random.choice([1,2,3,4,5],size = 5)
v4 = np.random.choice([1,2,3,4,5],size = 5,p = [1,0,0,0,0])
v5 = np.random.choice([1,2,3,4,5],size = 5,replace = False)
print("v1:",v1)
print("v2:",v2)
print("v3:",v3)
print("v4:",v4)
print("v5:",v5)
输出结果为:
v1: 1
v2: [0 0 4 0 4]
v3: [3 2 3 1 1]
v4: [1 1 1 1 1]
v5: [4 2 3 5 1]
来源:https://blog.csdn.net/weixin_44791964/article/details/96184617
猜你喜欢
- 写文的原因学习 Python 的过程中,经常会使用 pip 命令去安装第三方模块,但细细琢磨下来,我真的掌握这款工具了吗?本文为你全面揭示一
- 一个小项目自动登录淘宝联盟抓取数据,由于之前在Github上看过类似用Python写的代码因此选择用Python来写,第一次用Python正
- 执行环境会负责管理代码执行过程中使用的内存,编写JavaScript程序时,所需内存的分配以及无用内存的回收完全实现自动管理。原理:找出那些
- 本文实例为大家分享了python画条形图的具体代码,供大家参考,具体内容如下在做毕设的过程中有些数据用表格来展现,会很难看出数据之间的差别,
- 什么是docstring在软件工程中,其实编码所占的部分是非常小的,大多是其它的事情,比如写文档。文档是沟通的工具。 在Python中,比较
- 本文实例讲述了js中火星坐标、百度坐标、WGS84坐标转换实现方法。分享给大家供大家参考,具体如下://定义一些常量var x_PI = 3
- JIRA介绍: JIRA是Atlassian公司出品的项目与事务跟踪工具,被广泛应用于缺陷跟踪、需求
- 一、引子Django 分页查询并返回 json ,需要将返回的 queryset 序列化, demo 如下:# coding=UTF-8im
- 实际运用中当我用SqliteAdmin以及SQLite Expert Professional 2软件新建Sqlite数据库的时候在ASP.
- 在pyplot模块中可以使用xlabel()和ylabel()函数设置x轴y轴的标签。这两个函数的使用方法非常相似。使用xlabel()设置
- ChainMap是Python collections模块中的一个成员,它用来将多个map组合到一起。Chain是链条的意思,字面意思就是把
- 也有些正则方法可以限制回归算法输出结果中系数的影响,其中最常用的两种正则方法是lasso回归和岭回归。lasso回归和岭回归算法跟常规线性回
- 本系列文章是我在sqlskill.com的PAUL的博客看到的,很多误区都比较具有典型性和代表性,原文来自T-SQL Tuesday #11
- Python类基本写法与注释风格python是一种面向对象的语言,利用类的抽象可以大大提高代码的复用和结构,减少重复造轮子的过程,也让代码变
- 本文主要记录了在Nodejs开发过程中遇到过的由数组特性引起的问题及解决方式,以及对数组的灵活应用。本文代码测试结果均基于node v6.9
- 前言 本篇章主要介绍串的KMP模式匹配算法及其改进,并用Python实现KMP算法。1. BF算法 BF算法,即Bruce−ForceB
- 客户强烈要求使用淘宝的首页商品分类效果,很BT~,没辙就满足一下人家的需求。通过淘宝案例,立即想到了显示/隐藏层的效果,于是在DW中画了几个
- 测试方法首先使用implode, serialize, json_encode, msgpack_pack创建四个文本文件,用于测试。创建代
- python3的编码问题。打开python开发工具IDLE,新建‘codetest.py'文件,并写代码如下:import sysp
- python开发中经常遇到报错的情况,但是warning通常并不影响程序的运行,而且有时特别讨厌,下面我们来说下如何忽略warning错误。