Py-numpy的隨機函數【轉載】

轉自:https://blog.csdn.net/u012149181/article/details/78913167 shell

1. numpy.random.rand()

numpy.random.rand(d0,d1,…,dn)數組

  • rand函數根據給定維度生成[0,1)之間的數據,包含0,不包含1
  • dn表格每一個維度
  • 返回值爲指定維度的array
>>> np.random.rand(2,2) array([[0.70691613, 0.673804 ], [0.7999329 , 0.30363377]])

2.numpy.random.randn(d0,d1,…,dn)

  • randn函數返回一個或一組樣本,具備標準正態分佈
  • dn表格每一個維度
  • 返回值爲指定維度的array
>>> np.random.randn(2,2) array([[-0.54880779,  0.03757687], [ 0.35608059, -0.16970511]]) >>> np.random.randn() -0.5041373211552308

 

 其中n的意思就是normal,正態。μ=0,σ=1.dom

3 numpy.random.randint()

numpy.random.randint(low, high=None, size=None, dtype=’l’)iphone

  • 返回隨機整數,範圍區間爲[low,high),包含low,不包含high
  • 參數:low爲最小值,high爲最大值,size爲數組維度大小,dtype爲數據類型,默認的數據類型是np.int
  • high沒有填寫時,默認生成隨機數的範圍是[0,low)
>>> np.random.randint(0,2) 0 >>> np.random.randint(0,2,5) array([1, 0, 0, 1, 0]) >>> np.random.randint(5,2) Traceback (most recent call last): File "<pyshell#10>", line 1, in <module> np.random.randint(5,2) File "mtrand.pyx", line 993, in mtrand.RandomState.randint ValueError: low >= high >>> np.random.randint(low=5,size=2) array([3, 2])

 

4 生成0-1之間的浮點數

>>> np.random.random((2,2)) array([[0.7066545 , 0.66002817], [0.79023509, 0.77658663]]) >>> np.random.sample((2,2)) array([[0.07203548, 0.54526898], [0.56429719, 0.74669749]])

 

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

  • 從給定的一維數組中生成隨機數
  • 參數: a爲一維數組相似數據或整數;size爲數組維度;p爲數組中的數據出現的機率
  • a爲整數時,對應的一維數組爲np.arange(a)

//就是隨機取樣的函數吧函數

>>> np.random.choice(5) 2
>>> np.random.choice(5,2) array([0, 3])

 

>>> demo_list = ['lenovo', 'sansumg','moto','xiaomi', 'iphone'] >>> np.random.choice(demo_list,size=(3,3)) array([['iphone', 'iphone', 'lenovo'], ['lenovo', 'iphone', 'iphone'], ['xiaomi', 'iphone', 'lenovo']], dtype='<U7')

 

6.numpy.random.seed()

  • np.random.seed()的做用:使得隨機數據可預測。
  • 當咱們設置相同的seed,每次生成的隨機數相同。若是不設置seed,則每次會生成不一樣的隨機數。
>>> np.random.seed(0) >>> np.random.rand() 0.5488135039273248
>>> np.random.rand() 0.7151893663724195
>>> np.random.seed(0) >>> np.random.rand() 0.5488135039273248
>>> np.random.rand() 0.7151893663724195

7.np.random.normal(loc=0.0scale=1.0size=None)

參數分別是高斯分佈的:均值、方差、形狀。spa

相關文章
相關標籤/搜索