Python和numpy生成随机数
2014-09-05 22:30
507 查看
http://blog.csdn.net/pipisorry/article/details/39086463
随机数种子
要每次产生随机数相同就要设置种子,相同种子数的Random对象,相同次数生成的随机数字是完全相同的;
这样random.randint(0,6, (4,5))每次都产生一样的4*5的随机矩阵
关于种子的介绍可参见[Java - 常用函数Random函数]
Python中的random模块(用于生成随机数)
[python] view
plaincopy
print random.uniform(10, 20)
print random.uniform(20, 10)
#---- 结果(不同机器上的结果不一样)
#18.7356606526
#12.5798298022
Note:a
= [random.randint(0,
100) for __
in range(100)] #生成100个指定范围内的整数
[python] view
plaincopy
print random.randint(12, 20) #生成的随机数n: 12 <= n <= 20
print random.randint(20, 20) #结果永远是20
#print random.randint(20, 10) #该语句是错误的。下限必须小于上限。
[python] view
plaincopy
print random.choice("学习Python")
print random.choice(["JGood", "is", "a", "handsome", "boy"])
print random.choice(("Tuple", "List", "Dict"))
[python] view
plaincopy
p = ["Python", "is", "powerful", "simple", "and so on..."]
random.shuffle(p)
print p
#---- 结果(不同机器上的结果可能不一样。)
#['powerful', 'simple', 'is', 'Python', 'and so on...']
[python] view
plaincopy
list = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
slice = random.sample(list, 5) #从list中随机获取5个元素,作为一个片断返回
print slice
Note:上面这些方法是random模块中最常用的,在Python手册中,还介绍其他的方法。感兴趣的朋友可以通过查询Python手册了解更详细的信息。
numpy中的random模块
linspace(start, end, num): 如linspace(0,1,11)结果为[0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1];
arange(n): 产生一个从0到n-1的向量,如arange(4)结果为[0,1,2,3]
random.random([...]): 产生随机矩阵,如random.random([2,3])产生一个2x3维的随机数
np.random.rand
[numpy - 基本数据类型、多维数组ndarray及函数操作]
np.random.randint
from:/article/1480682.html
ref:The
Python Standard Library
http://blog.csdn.net/jgood/article/details/4278885
Numpy中使用矩阵-特殊的函数
随机数种子
要每次产生随机数相同就要设置种子,相同种子数的Random对象,相同次数生成的随机数字是完全相同的;
random.seed(1)
这样random.randint(0,6, (4,5))每次都产生一样的4*5的随机矩阵
关于种子的介绍可参见[Java - 常用函数Random函数]
Python中的random模块(用于生成随机数)
random.random
random.random()用于生成一个0到1的随机符点数: 0 <= n < 1.0random.uniform
random.uniform的函数原型为:random.uniform(a, b),用于生成一个指定范围内的随机符点数。如果a > b,则生成的随机数n: b <= n <= a。如果 a <b, 则 a <= n <= b。[python] view
plaincopy
print random.uniform(10, 20)
print random.uniform(20, 10)
#---- 结果(不同机器上的结果不一样)
#18.7356606526
#12.5798298022
random.randint
random.randint()的函数原型为:random.randint(a, b),用于生成一个指定范围内的整数。其中参数a是下限,参数b是上限,生成的随机数n: a <= n <= bNote:a
= [random.randint(0,
100) for __
in range(100)] #生成100个指定范围内的整数
[python] view
plaincopy
print random.randint(12, 20) #生成的随机数n: 12 <= n <= 20
print random.randint(20, 20) #结果永远是20
#print random.randint(20, 10) #该语句是错误的。下限必须小于上限。
random.randrange
random.randrange的函数原型为:random.randrange([start], stop[, step]),从指定范围内,按指定基数递增的集合中 获取一个随机数。如:random.randrange(10, 100, 2),结果相当于从[10, 12, 14, 16, ... 96, 98]序列中获取一个随机数。random.randrange(10, 100, 2)在结果上与 random.choice(range(10, 100, 2) 等效。random.choice
random.choice从序列中获取一个随机元素。其函数原型为:random.choice(sequence)。参数sequence表示一个有序类型。这里要说明 一下:sequence在python不是一种特定的类型,而是泛指一系列的类型。list, tuple, 字符串都属于sequence。有关sequence可以查看python手册数据模型这一章,也可以参考:http://www.17xie.com/read-37422.html 。下面是使用choice的一些例子:[python] view
plaincopy
print random.choice("学习Python")
print random.choice(["JGood", "is", "a", "handsome", "boy"])
print random.choice(("Tuple", "List", "Dict"))
random.shuffle
random.shuffle的函数原型为:random.shuffle(x[, random]),用于将一个列表中的元素打乱。如:[python] view
plaincopy
p = ["Python", "is", "powerful", "simple", "and so on..."]
random.shuffle(p)
print p
#---- 结果(不同机器上的结果可能不一样。)
#['powerful', 'simple', 'is', 'Python', 'and so on...']
random.sample
random.sample的函数原型为:random.sample(sequence, k),从指定序列中随机获取指定长度的片断。sample函数不会修改原有序列。[python] view
plaincopy
list = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
slice = random.sample(list, 5) #从list中随机获取5个元素,作为一个片断返回
print slice
Note:上面这些方法是random模块中最常用的,在Python手册中,还介绍其他的方法。感兴趣的朋友可以通过查询Python手册了解更详细的信息。
numpy中的random模块
linspace(start, end, num): 如linspace(0,1,11)结果为[0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1];
arange(n): 产生一个从0到n-1的向量,如arange(4)结果为[0,1,2,3]
random.random([...]): 产生随机矩阵,如random.random([2,3])产生一个2x3维的随机数
np.random.rand
from numpy import random
x = random.rand(2, 3) print(x) [[ 0.1169922 0.08614147 0.17997144] [ 0.5694889 0.43067372 0.62135592]]
x, y = random.rand(2, 3) print(x) print(y) [ 0.60527337 0.78765269 0.71884661] [ 0.67420571 0.946359 0.7632273 ]
[numpy - 基本数据类型、多维数组ndarray及函数操作]
np.random.randint
raw_user_item_mat = random.randint(0, 10, size=(3,4)) #指定生成随机数范围和生成的多维数组大小 print(raw_user_item_mat) [[3 6 2 8] [3 1 2 4] [9 4 5 0]]
from:/article/1480682.html
ref:The
Python Standard Library
http://blog.csdn.net/jgood/article/details/4278885
Numpy中使用矩阵-特殊的函数
相关文章推荐
- 生成特定分布随机数的方法:Python seed() 函数&numpy &scikit-learn随机数据生成
- Python numpy随机数生成和数学统计运算[转]
- python numpy中随机数生成包random
- python:numpy数组运算、排序、统计、随机数生成
- 如何用Java生成和Python Numpy一样的随机数序列?
- Python.Numpy学习零碎笔记之随机数生成
- Python模块学习 ---- random 随机数生成
- [python] ZZ 随机数生成
- python 生成不重复的随机数的代码
- python 生成不重复的随机数的代码
- Python 中的random模块用于生成随机数
- python 随机数生成
- Python模块学习 ---- random 随机数生成
- python生成随机数
- python 随机数生成的代码的详细分析
- python生成随机数
- Python模块学习--random 随机数生成
- python 随机数生成的代码的详细分析
- python 生成随机数
- python 随机数生成