Python NumPy中的随机数及ufuncs函数使用示例详解

什么是随机数

随机数并不意味着每次都有不同的数字。随机意味着无法在逻辑上预测的事物。

伪随机和真随机

计算机在程序上工作，程序是权威的指令集。

因此，这意味着必须有某种算法来生成随机数。

如果存在生成随机数的程序，则可以预测它，因此它就不是真正的随机数。

通过生成算法生成的随机数称为伪随机数。

我们可以生成真正的随机数吗

是的。

为了在我们的计算机上生成一个真正的随机数，我们需要从某个外部来源获取随机数据。

外部来源通常是我们的击键、鼠标移动、网络数据等。

我们不需要真正的随机数，除非它与安全性（例如加密密钥）有关或应用的基础是随机性（例如数字轮盘赌轮）。

在本教程中，我们将使用伪随机数。

生成随机数

NumPy 提供了 random 模块来处理随机数。

实例

生成一个 0 到 100 之间的随机整数：

from numpy import random
x = random.randint(100)
print(x)

运行实例

生成随机浮点

random 模块的 rand() 方法返回 0 到 1 之间的随机浮点数。

实例

生成一个 0 到 100 之间的随机浮点数：

from numpy import random
x = random.rand()
print(x)

运行实例

生成随机数组

在 NumPy 中，我们可以使用上例中的两种方法来创建随机数组。

整数

randint() 方法接受 size 参数，您可以在其中指定数组的形状。

实例

生成一个 1-D 数组，其中包含 5 个从 0 到 100 之间的随机整数：

from numpy import random
x=random.randint(100, size=(5))
print(x)

运行实例

实例

生成有 3 行的 2-D 数组，每行包含 5 个从 0 到 100 之间的随机整数：

from numpy import random
x = random.randint(100, size=(3, 5))
print(x)

运行实例

浮点数

rand() 方法还允许您指定数组的形状。

实例

生成包含 5 个随机浮点数的 1-D 数组：

from numpy import random
x = random.rand(5)
print(x)

运行实例

实例

生成有 3 行的 2-D 数组，每行包含 5 个随机数：

from numpy import random
x = random.rand(3, 5)
print(x)

运行实例

从数组生成随机数

choice() 方法使您可以基于值数组生成随机值。

choice() 方法将数组作为参数，并随机返回其中一个值。

实例

返回数组中的值之一：

from numpy import random
x = random.choice([3, 5, 7, 9])
print(x)

运行实例

choice() 方法还允许您返回一个值数组。

请添加一个 size 参数以指定数组的形状。

实例

生成由数组参数（3、5、7 和 9）中的值组成的二维数组：

from numpy import random
x = random.choice([3, 5, 7, 9], size=(3, 5))
print(x)

运行实例

什么是 ufuncs

ufuncs 指的是“通用函数”（Universal Functions），它们是对 ndarray 对象进行操作的 NumPy 函数。

为什么要使用 ufuncs

ufunc 用于在 NumPy 中实现矢量化，这比迭代元素要快得多。

它们还提供广播和其他方法，例如减少、累加等，它们对计算非常有帮助。

ufuncs 还接受其他参数，比如：

• where 布尔值数组或条件，用于定义应在何处进行操作。

• dtype 定义元素的返回类型。

• out 返回值应被复制到的输出数组。

什么是向量化

将迭代语句转换为基于向量的操作称为向量化。

由于现代 CPU 已针对此类操作进行了优化，因此速度更快。

对两个列表的元素进行相加：

list 1: [1, 2, 3, 4]

list 2: [4, 5, 6, 7]

一种方法是遍历两个列表，然后对每个元素求和。

实例

如果没有 ufunc，我们可以使用 Python 的内置 zip() 方法：

x = [1, 2, 3, 4]
y = [4, 5, 6, 7]
z = []
for i, j in zip(x, y):
 z.append(i + j)
print(z)

运行实例

对此，NumPy 有一个 ufunc，名为 add(x, y)，它会输出相同的结果。

实例

通过 ufunc，我们可以使用 add() 函数：

import numpy as np
x = [1, 2, 3, 4]
y = [4, 5, 6, 7]
z = np.add(x, y)
print(z)

运行实例

来源：https://blog.csdn.net/python56123/article/details/130579585