您的位置:首页 > 编程语言 > Python开发

【Numpy】numpy.random模块用法总结

2019-05-21 14:59 113 查看

from numpy import random

1.numpy.random.uniform(low=0.0, high=1.0, size=None)

生出

size
个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)

例:

>>> random.uniform()
0.3999807403689315
>>> random.uniform(size=1)
array([0.55950578])
>>> random.uniform(5, 6)
5.293682668235986
>>> random.uniform(5, 6, size=(2,3))
array([[5.82416021, 5.68916836, 5.89708586],[5.63843125, 5.22963754, 5.4319899 ]])
2.numpy.random.rand(d0, d1, ..., dn)

生出

size
个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)

例:

>>> random.rand()
0.4378166124207712
>>> random.rand(1)
array([0.69845956])
>>> random.rand(3,2)
array([[0.15725424, 0.45786148],
[0.63133098, 0.81789056],
[0.40032941, 0.19108526]])
>>> random.rand(3,2,1)
array([[[0.00404447],
[0.3837963 ]],

[[0.32518355],
[0.82482599]],

[[0.79603205],
[0.19087375]]])
3.numpy.random.randint(low, high=None, size=None, dtype='I')

生成

size
个整数,取值区间为
[low, high)
,若没有输入参数
high
则取值区间为
[0, low)

>>> random.randint(8)
>>> random.randint(8, size=1)
array([1])
>>> random.randint(8, size=(2,2,3))
array([[[4, 7, 0],
[1, 4, 1]],

[[2, 2, 5],
[7, 6, 4]]])
>>> random.randint(8, size=(2,2,3), dtype='int64')
array([[[5, 5, 6],
[2, 7, 2]],

[[2, 7, 6],
[4, 7, 7]]], dtype=int64)
4.numpy.random.random_integers(low, high=None, size=None)

生成

size
个整数,取值区间为
[low, high]
, 若没有输入参数
high
则取值区间为
[1, low]
注意这里左右都是闭区间

>>> random.random_integers(5)
>>> random.random_integers(5, size=1)
array([2])
>>> random.random_integers(4, 5, size=(2,2))
array([[5, 4], [4, 4]])
5.numpy.random.random(size=None)

产生

[0.0, 1.0)
之间的浮点数。

>>> random.random(5)
array([0.94128141, 0.98725499, 0.48435957, 0.90948135, 0.40570882])
>>> random.random()
0.49761416226728084

相同用法:

numpy.random.random_sample
numpy.random.ranf
numpy.random.sample (抽取不重复)
6.numpy.random.shuffle(x)

permutation
类似,随机打乱
x
中的元素。若
x
是整数,则打乱
arange(x)
. 但是
shuffle
会对x进行修改

>>> a = arange(5)
>>> a
array([0, 1, 2, 3, 4])
>>> random.permutation(a)
array([1, 4, 3, 2, 0])
>>> a
array([0, 1, 2, 3, 4])
>>> random.shuffle(a)
>>> a
array([4, 1, 3, 2, 0])
7.numpy.random.seed(seed=None)

设置随机生成算法的初始值.

其它符合函数分布的随机数函数
numpy.random.beta
numpy.random.f
参考链接https://www.cnblogs.com/JetReily/p/9398148.html

内容来自用户分享和网络整理,不保证内容的准确性,如有侵权内容,可联系管理员处理 点击这里给我发消息
标签: