在python数据分析的学习和应用过程中,经常需要用到numpy的随机函数,由于随机函数random的功能比较多,经常会混淆或记不住,下面我们一起来汇总学习下。

import numpy as np

1 numpy.random.rand()

numpy.random.rand(d0,d1,…,dn)

  • rand函数根据给定维度生成[0,1)之间的数据,包含0,不包含1
  • dn表格每个维度
  • 返回值为指定维度的array
np.random.rand(4,2)
  1.  
    array([[ 0.02173903, 0.44376568],
  2.  
    [ 0.25309942, 0.85259262],
  3.  
    [ 0.56465709, 0.95135013],
  4.  
    [ 0.14145746, 0.55389458]])
np.random.rand(4,3,2) # shape: 4*3*2
  1.  
    array([[[ 0.08256277, 0.11408276],
  2.  
    [ 0.11182496, 0.51452019],
  3.  
    [ 0.09731856, 0.18279204]],
  4.  
     
  5.  
    [[ 0.74637005, 0.76065562],
  6.  
    [ 0.32060311, 0.69410458],
  7.  
    [ 0.28890543, 0.68532579]],
  8.  
     
  9.  
    [[ 0.72110169, 0.52517524],
  10.  
    [ 0.32876607, 0.66632414],
  11.  
    [ 0.45762399, 0.49176764]],
  12.  
     
  13.  
    [[ 0.73886671, 0.81877121],
  14.  
    [ 0.03984658, 0.99454548],
  15.  
    [ 0.18205926, 0.99637823]]])

2 numpy.random.randn()

numpy.random.randn(d0,d1,…,dn)

  • randn函数返回一个或一组样本,具有标准正态分布。
  • dn表格每个维度
  • 返回值为指定维度的array
np.random.randn() # 当没有参数时,返回单个数据
-1.1241580894939212
np.random.randn(2,4)
  1.  
    array([[ 0.27795239, -2.57882503, 0.3817649 , 1.42367345],
  2.  
    [-1.16724625, -0.22408299, 0.63006614, -0.41714538]])
np.random.randn(4,3,2)
  1.  
    array([[[ 1.27820764, 0.92479163],
  2.  
    [-0.15151257, 1.3428253 ],
  3.  
    [-1.30948998, 0.15493686]],
  4.  
     
  5.  
    [[-1.49645411, -0.27724089],
  6.  
    [ 0.71590275, 0.81377671],
  7.  
    [-0.71833341, 1.61637676]],
  8.  
     
  9.  
    [[ 0.52486563, -1.7345101 ],
  10.  
    [ 1.24456943, -0.10902915],
  11.  
    [ 1.27292735, -0.00926068]],
  12.  
     
  13.  
    [[ 0.88303 , 0.46116413],
  14.  
    [ 0.13305507, 2.44968809],
  15.  
    [-0.73132153, -0.88586716]]])

标准正态分布介绍

  • 标准正态分布—-standard normal distribution
  • 标准正态分布又称为u分布,是以0为均值、以1为标准差的正态分布,记为N(0,1)。

3 numpy.random.randint()

3.1 numpy.random.randint()

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
  • 参数:low为最小值,high为最大值,size为数组维度大小,dtype为数据类型,默认的数据类型是np.int
  • high没有填写时,默认生成随机数的范围是[0,low)
np.random.randint(1,size=5) # 返回[0,1)之间的整数,所以只有0
array([0, 0, 0, 0, 0])
np.random.randint(1,5) # 返回1个[1,5)时间的随机整数
4
np.random.randint(-5,5,size=(2,2))
  1.  
    array([[ 2, -1],
  2.  
    [ 2, 0]])

3.2 numpy.random.random_integers

numpy.random.random_integers(low, high=None, size=None)

  • 返回随机整数,范围区间为[low,high],包含low和high
  • 参数:low为最小值,high为最大值,size为数组维度大小
  • high没有填写时,默认生成随机数的范围是[1,low]

该函数在最新的numpy版本中已被替代,建议使用randint函数

np.random.random_integers(1,size=5)
array([1, 1, 1, 1, 1])

4 生成[0,1)之间的浮点数

  • numpy.random.random_sample(size=None)
  • numpy.random.random(size=None)
  • numpy.random.ranf(size=None)
  • numpy.random.sample(size=None)
  1.  
    print('-----------random_sample--------------')
  2.  
    print(np.random.random_sample(size=(2,2)))
  3.  
    print('-----------random--------------')
  4.  
    print(np.random.random(size=(2,2)))
  5.  
    print('-----------ranf--------------')
  6.  
    print(np.random.ranf(size=(2,2)))
  7.  
    print('-----------sample--------------')
  8.  
    print(np.random.sample(size=(2,2)))
  1.  
    -----------random_sample--------------
  2.  
    [[ 0.34966859 0.85655008]
  3.  
    [ 0.16045328 0.87908218]]
  4.  
    -----------random--------------
  5.  
    [[ 0.25303772 0.45417512]
  6.  
    [ 0.76053763 0.12454433]]
  7.  
    -----------ranf--------------
  8.  
    [[ 0.0379055 0.51288667]
  9.  
    [ 0.71819639 0.97292903]]
  10.  
    -----------sample--------------
  11.  
    [[ 0.59942807 0.80211491]
  12.  
    [ 0.36233939 0.12607092]]

5 numpy.random.choice()

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

  • 从给定的一维数组中生成随机数
  • 参数: 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)
np.random.choice(5,3)
array([4, 1, 4])
  1.  
    np.random.choice(5, 3, replace=False)
  2.  
    # 当replace为False时,生成的随机数不能有重复的数值
array([0, 3, 1])
np.random.choice(5,size=(3,2))
  1.  
    array([[1, 0],
  2.  
    [4, 2],
  3.  
    [3, 3]])
  1.  
    demo_list = ['lenovo', 'sansumg','moto','xiaomi', 'iphone']
  2.  
    np.random.choice(demo_list,size=(3,3))
  1.  
    array([['moto', 'iphone', 'xiaomi'],
  2.  
    ['lenovo', 'xiaomi', 'xiaomi'],
  3.  
    ['xiaomi', 'lenovo', 'iphone']],
  4.  
    dtype='<U7')
  • 参数p的长度与参数a的长度需要一致;
  • 参数p为概率,p里的数据之和应为1
  1.  
    demo_list = ['lenovo', 'sansumg','moto','xiaomi', 'iphone']
  2.  
    np.random.choice(demo_list,size=(3,3), p=[0.1,0.6,0.1,0.1,0.1])
  1.  
    array([['sansumg', 'sansumg', 'sansumg'],
  2.  
    ['sansumg', 'sansumg', 'sansumg'],
  3.  
    ['sansumg', 'xiaomi', 'iphone']],
  4.  
    dtype='<U7')

6 numpy.random.seed()

  • np.random.seed()的作用:使得随机数据可预测。
  • 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
  1.  
    np.random.seed(0)
  2.  
    np.random.rand(5)
array([ 0.5488135 ,  0.71518937,  0.60276338,  0.54488318,  0.4236548 ])
  1.  
    np.random.seed(1676)
  2.  
    np.random.rand(5)
array([ 0.39983389,  0.29426895,  0.89541728,  0.71807369,  0.3531823 ])
  1.  
    np.random.seed(1676)
  2.  
    np.random.rand(5)
array([ 0.39983389,  0.29426895,  0.89541728,  0.71807369,  0.3531823 ])    
转:https://blog.csdn.net/u012149181/article/details/78913167

[转]numpy.random.randn()用法的更多相关文章

  1. numpy.random模块用法总结

    from numpy import random 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[l ...

  2. numpy.random模块用法小结

    原文作者:aircraft 原文链接:https://www.cnblogs.com/DOMLX/p/9751471.html 1.np.random.random()函数参数 np.random.r ...

  3. numpy.random.randn()与numpy.random.rand()的区别(转)

    numpy中有一些常用的用来产生随机数的函数,randn()和rand()就属于这其中. numpy.random.randn(d0, d1, …, dn)是从标准正态分布中返回一个或多个样本值. n ...

  4. numpy.random.randn()与rand()的区别【转】

    本文转载自:https://blog.csdn.net/u010758410/article/details/71799142 numpy中有一些常用的用来产生随机数的函数,randn()和rand( ...

  5. 【转】numpy.random.randn()与rand()的区别

    转自: https://blog.csdn.net/u010758410/article/details/71799142 numpy中有一些常用的用来产生随机数的函数,randn()和rand()就 ...

  6. numpy.random.randn()和numpy.random.rand()

    1 numpy.random.rand() (1)numpy.random.rand(d0,d1,…,dn) rand函数根据给定维度生成[0,1)之间的数据,包含0,不包含1 dn表格每个维度 返回 ...

  7. numpy.random.randn()与numpy.random.rand()的区别

    numpy中有一些常用的用来产生随机数的函数,randn()和rand()就属于这其中. numpy.random.randn(d0, d1, …, dn)是从标准正态分布中返回一个或多个样本值. n ...

  8. Python中numpy.random.randn()与rand(),numpy.zeros、ones、eye

    转自:https://blog.csdn.net/u010758410/article/details/71799142

  9. np.random.random()函数 参数用法以及numpy.random系列函数大全

    原文作者:aircraft 原文链接:https://www.cnblogs.com/DOMLX/p/9751471.html 1.np.random.random()函数参数 np.random.r ...

随机推荐

  1. Vue 路由规则--传参数

    1,query方法去获取参数 <!DOCTYPE html> <html lang="en"> <head> <meta charset= ...

  2. tomcat access日志

    每次看access log都会记不住pattern里的各个标识代表的什么意思,记录下,备忘! tomcat的access log是由实现了org.apache.catalina.AccessLog接口 ...

  3. Vue 原生动画

    <!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8&quo ...

  4. win10系统激活 快捷方式

    系统不定期就会提示激活,每次激活都是找各种工具折腾,今天捣鼓简单的脚本直接激活~~ 首先查看自己系统的版本,后面才能找到合适的激活码 win+R 启动程序 输入 winver 即可查看系统版本 2.查 ...

  5. 关于Ping和Tracert命令原理详解

    本文只是总结了两个常用的网络命令的实现原理和一点使用经验说明.这些东西通常都分布在各种书籍或者文章中的,我勤快那么一点点,总结一下,再加上我的一点理解和使用经验,方便大家了解.这些也是很基础的东西,没 ...

  6. 【31.95%】【CF 714B】Filya and Homework

    time limit per test 1 second memory limit per test 256 megabytes input standard input output standar ...

  7. WNMP nginx+php5+mysql测试环境安装(Windows7)(二)

    3. 安装Zend Optimizer Zend Optimizer对那些在被最终执行之前由Run-Time Complier产生的代码进行优化,提高PHP应用程序的执行速度.一般情况下,执行使用Ze ...

  8. 2018-2-13-win10-uwp-绑定静态属性

    title author date CreateTime categories win10 uwp 绑定静态属性 lindexi 2018-2-13 17:23:3 +0800 2018-2-13 1 ...

  9. FreeNOS学习3——了解目录结构和Main函数

    下载源码的文件夹,看到里面有以下内容: 解释一下里面都有啥 lib -> 共享代码 1.libfs 文件系统(磁盘管理) 2.liballoc 内存分配和虚拟内存映射(内存管理) 3.libex ...

  10. 苹果笔记本修改pycharm for mac 修改字体大小

    实在是隐藏的太深了,无语