文章目录
- 1. **生成均匀分布的随机浮点数**:
- 2. **生成随机整数**:
- 3. **生成标准正态分布随机数**:
- 4. **生成正态分布随机数**:
- 5. **生成均匀分布的随机浮点数**:
- 6. **生成随机抽样**:
- 7. **设置随机数种子**:
- 8. **随机重排数组元素**:
np.random
模块提供了多种随机数生成函数,用于生成不同类型的随机数据。以下是对每种用法的详细介绍以及相应的示例代码:
1. 生成均匀分布的随机浮点数:
使用 np.random.random()
函数,生成均匀分布的随机浮点数,范围在 [0.0, 1.0) 区间内。
import numpy as np# 生成一个随机浮点数
rand_num = np.random.random()
print("随机浮点数:", rand_num)
2. 生成随机整数:
使用 np.random.randint()
函数,生成指定范围内的随机整数。
import numpy as np# 生成一个随机整数,范围在 [0, 10) 内
rand_int = np.random.randint(0, 10)
print("随机整数:", rand_int)
3. 生成标准正态分布随机数:
使用 np.random.randn()
函数,生成符合标准正态分布(均值为 0,标准差为 1)的随机数。
import numpy as np# 生成一个符合标准正态分布的随机数
rand_normal = np.random.randn()
print("标准正态分布随机数:", rand_normal)
4. 生成正态分布随机数:
使用 np.random.normal()
函数,生成指定均值和标准差的正态分布随机数。
import numpy as np# 生成均值为 5,标准差为 2 的正态分布随机数
rand_normal = np.random.normal(loc=5, scale=2)
print("正态分布随机数:", rand_normal)
5. 生成均匀分布的随机浮点数:
使用 np.random.uniform()
函数,生成在指定范围内均匀分布的随机浮点数。
import numpy as np# 生成一个在 [2.0, 4.0) 范围内的随机浮点数
rand_uniform = np.random.uniform(2.0, 4.0)
print("均匀分布随机数:", rand_uniform)
6. 生成随机抽样:
使用 np.random.choice()
函数,从给定的数组中随机选择元素,可以指定抽样数量和是否允许重复选择。
import numpy as np# 从列表中随机抽样 3 个元素,允许重复选择
sample = np.random.choice([1, 2, 3, 4, 5], size=3, replace=True)
print("随机抽样:", sample)
7. 设置随机数种子:
使用 np.random.seed()
函数,设置随机数生成器的种子,以便使随机数生成可重复。
import numpy as np# 设置随机数种子
np.random.seed(42)# 生成随机数
rand_num = np.random.random()
print("随机浮点数:", rand_num)
8. 随机重排数组元素:
使用 np.random.shuffle()
函数,对数组进行随机重排。
import numpy as nparr = np.array([1, 2, 3, 4, 5])
np.random.shuffle(arr)
print("随机重排后的数组:", arr)
这些是 np.random
模块中常见的随机数生成函数的用法示例。这些函数在不同的数据分析、模拟、机器学习等应用中非常有用,可以用于生成模拟数据、进行随机实验、初始化权重矩阵等各种情况。