numpy.random模块用法总结-6ren

numpy.random模块用法总结

转载作者：qq735679552 更新时间：2022-09-28 22:32:09

CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.

这篇CFSDN的博客文章numpy.random模块用法总结由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.

random模块用于生成随机数，下面看看模块中一些常用函数的用法:

 
    ? 
   
         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[low, high)，默认取值范围为[0, 1.0) 。

 
    ? 
   
 
     
       
       
         >>> 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 
         ]]) 
        
 
     
 
   

numpy.random.rand(d0, d1, ..., dn) 。

生成一个(d0, d1, ..., dn)维的数组，数组的元素取自[0, 1)上的均分布，若没有参数输入，则生成一个数。

 
    ? 
   
         >>> 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 
         ]]])

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 
         ) 
        
 
         5 
        
 
         >>> 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) 
        
 
     
 
   

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.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) 
        
 
     
 
   

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)

numpy.random.bytes(length) 。

生成随机字节。

 
    ? 
   
         >>> random.bytes( 
         1 
         ) 
        
         b 
         '%' 
        
         >>> random.bytes( 
         2 
         ) 
        
         b 
         '\xd0\xc3'

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

从a（数组）中选取size（维度）大小的随机数，replace=True表示可重复抽取，p是a中每个数出现的概率。

若a是整数，则a代表的数组是arange(a) 。

 
    ? 
   
 
     
       
       
         >>> random.choice( 
         5 
         ) 
        
 
         3 
        
 
         >>> random.choice([ 
         0.2 
         ,  
         0.4 
         ]) 
        
 
         0.2 
        
 
         >>> random.choice([ 
         0.2 
         ,  
         0.4 
         ], p 
         = 
         [ 
         1 
         ,  
         0 
         ]) 
        
 
         0.2 
        
 
         >>> random.choice([ 
         0.2 
         ,  
         0.4 
         ], p 
         = 
         [ 
         0 
         ,  
         1 
         ]) 
        
 
         0.4 
        
 
         >>> random.choice( 
         5 
         ,  
         5 
         ) 
        
 
         array([ 
         1 
         ,  
         2 
         ,  
         4 
         ,  
         2 
         ,  
         4 
         ]) 
        
 
         >>> random.choice( 
         5 
         ,  
         5 
         ,  
         False 
         ) 
        
 
         array([ 
         2 
         ,  
         0 
         ,  
         1 
         ,  
         4 
         ,  
         3 
         ]) 
        
 
         >>> random.choice( 
         100 
         , ( 
         2 
         ,  
         3 
         ,  
         5 
         ),  
         False 
         ) 
        
 
         array([[[ 
         43 
         ,  
         81 
         ,  
         48 
         ,  
         2 
         ,  
         8 
         ], 
        
 
              
         [ 
         33 
         ,  
         79 
         ,  
         30 
         ,  
         24 
         ,  
         83 
         ], 
        
 
              
         [  
         3 
         ,  
         82 
         ,  
         97 
         ,  
         49 
         ,  
         98 
         ]], 
        

            
        
 
              
         [[ 
         32 
         ,  
         12 
         ,  
         15 
         ,  
         0 
         ,  
         96 
         ], 
        
 
              
         [ 
         19 
         ,  
         61 
         ,  
         6 
         ,  
         42 
         ,  
         60 
         ], 
        
 
              
         [  
         7 
         ,  
         93 
         ,  
         20 
         ,  
         18 
         ,  
         58 
         ]]]) 
        
 
     
 
   

numpy.random.permutation(x) 。

随机打乱x中的元素。若x是整数，则打乱arange(x)，若x是一个数组，则将copy(x)的第一位索引打乱，意思是先复制x，对副本进行打乱处理，打乱只针对数组的第一维。

 
    ? 
   
 
     
       
       
         >>> random.permutation( 
         5 
         ) 
        
 
         array([ 
         1 
         ,  
         2 
         ,  
         3 
         ,  
         0 
         ,  
         4 
         ]) 
        
 
         >>> random.permutation( 
         5 
         ) 
        
 
         array([ 
         1 
         ,  
         4 
         ,  
         3 
         ,  
         2 
         ,  
         0 
         ]) 
        
 
         >>> random.permutation([[ 
         1 
         , 
         2 
         , 
         3 
         ],[ 
         4 
         , 
         5 
         , 
         6 
         ]]) 
        
 
         array([[ 
         1 
         ,  
         2 
         ,  
         3 
         ], 
        
 
              
         [ 
         4 
         ,  
         5 
         ,  
         6 
         ]]) 
        
 
         >>> random.permutation([[ 
         1 
         , 
         2 
         , 
         3 
         ],[ 
         4 
         , 
         5 
         , 
         6 
         ]]) 
        
 
         array([[ 
         4 
         ,  
         5 
         ,  
         6 
         ], 
        
 
              
         [ 
         1 
         ,  
         2 
         ,  
         3 
         ]]) 
        
 
     
 
   

numpy.random.shuffle(x) 。

与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 
         ]) 
        
 
     
 
   

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.binomial
numpy.random.chisquare
numpy.random.dirichlet
numpy.random.exponential
numpy.random.f
numpy.random.gamma
numpy.random.geometric
numpy.random.gumbel
numpy.random.hypergeometric
numpy.random.laplace
numpy.random.logistic
numpy.random.lognormal
numpy.random.logseries
numpy.random.multinomial
numpy.random.multivariate_normal
numpy.random.negative_binomial
numpy.random.noncentral_chisquare
numpy.random.noncentral_f
numpy.random.normal
numpy.random.pareto
numpy.random.poisson
numpy.random.power
numpy.random.randn
numpy.random.rayleigh
numpy.random.standard_cauchy
numpy.random.standard_exponential
numpy.random.standard_gamma
numpy.random.standard_normal
numpy.random.standard_t
numpy.random.triangular
numpy.random.vonmises
numpy.random.wald
numpy.random.weibull
numpy.random.zipf

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持我.

原文链接：https://www.cnblogs.com/JetReily/p/9398148.html 。

最后此篇关于numpy.random模块用法总结的文章就讲到这里了,如果你想了解更多关于numpy.random模块用法总结的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！。

文章推荐： numpy下的flatten()函数用法详解

文章推荐：详解numpy的argmax的具体使用

文章推荐： Django框架自定义session处理操作示例

文章推荐： numpy concatenate数组拼接方法示例介绍

python - np.random.rand() 或 random.random()
在分析代码时，我偶然发现了以下代码段: msk = np.random.rand(len(df)) < 0.8 变量“msk”和“df”与我的问题无关。经过一些研究，我认为这种用法也与“随机”类有关。
random - random() 似乎不会绘制范围极值
出于几个合理的原因，我必须使用 BSD 的 random() 来生成非常大量的随机数，并且由于它的周期很短(~2^69，如果我没记错的话)，这些数字的质量会降低对于我的用例来说很快。我可以使用我可以访
random - random() 实际上是如何工作的？
每种语言都有一个 random() 函数或类似的东西来生成伪随机数。我想知道下面会发生什么来生成这些数字？我没有编写任何需要这些知识的东西，只是想满足我自己的好奇心。最佳答案唐纳德·克努斯开创性的
python - 为什么 random.random() 占用两个 random.randint() 值？
我开发了一个简单的应用程序来生成测试数据系列，并且我使用随机种子将其构建为能够重复。我注意到以下情况并想知道为什么会这样: >>> random.seed(1) >>> [random.randint
python - 为什么 random() * random() 与 random() ** 2 不同？
random() * random() 和 random() ** 2 有区别吗？ random() 从均匀分布中返回一个介于 0 和 1 之间的值。在测试两个版本的随机平方数时，我注意到了一点不同
python - np.random.rand 与 np.random.random
我发现 Python(及其生态系统)充满了奇怪的约定和不一致，这是另一个例子: np.random.rand Create an array of the given shape and popula
python - Python 中 numpy.random 和 random.random 的性能差异
我想看看哪个随机数生成器包在我的神经网络中速度更快。我目前正在从github上修改一段代码，其中numpy.random和random包都用于生成随机整数、随机选择、随机样本等。我更改此代码的原因
python - Python 中 numpy.random 和 random.random 的区别
我有一个 Python 大脚本。我在其他人的代码中启发了自己，所以我最终使用 numpy.random 模块来做一些事情(例如创建一个从二项分布中获取的随机数数组)，在其他地方我使用模块 random
random - 为什么 JDK 既有 Math.random() 又有 Random 类？
仅仅是因为“大型 API 综合症”还是生成在某些情况下更偏向的随机数？如果是……我认为控制偏见很重要。最佳答案他们是一样的，真的。只是一个方便的方法。检查 javadoc here .此外，您
python - 在 Python3 中使用 `random.shuffle` 作为关键字参数时 `random.random` 的运行时间更短
我只是观察到，当使用 Python3 时，使用 random.shuffle 对列表进行洗牌需要大约一半的运行时间，而当为显式提交函数 random.random >random 关键字参数。我检查
python - 在 python 中，random.uniform() 和 random.random() 有什么区别？
在python中随机模块，random.uniform()和random.random()有什么区别？它们都生成伪随机数，random.uniform() 生成均匀分布的数字，random.rando
random - 在JMeter中生成 'Random number'变量
是否可以在JMeter中生成“随机数”变量？我已经记录了用户旅程我已将旅程导入JMeter 我必须在用户旅程测试用例中输入一个唯一的4位数ID 在jmeter的当前默认值为2323 有没有一种方法
random - FFMpeg random 是否会为连续执行生成相同的伪随机数序列？
例如，如果我执行命令两次:ffmpeg -i input.mp4 -vf geq=r='random(1)*255':g='random(1)*255':b='random(1)*255' -stri
random - System.Random 产生相同的随机数
尽管随机生成器只创建一次，但输出始终是相同的随机结果(对于所有三个测试输出)。来自稍大脚本的测试片段: let myRandGen = System.Random() let getRa
random - IntRange.random()如何在Kotlin中引入熵
我正计划使用IntRange.random()(即(0..9999).random())在 Kotlin 中生成一个随机的5位代码。重要的是，恶意人员不能预测将要生成的数字的顺序。 IntRange.
random - 将随机数生成器种子设置为 "random"数字
您能否告诉我如何将 KDB 中的随机数生成器种子设置为或多或少的“随机”数？我正在尝试执行以下操作: \S .z.i 但不知何故它不起作用。\S 似乎需要一个显式整数，而不是一个变量。非常感谢!
random - 在内核模块中获取/dev/random
我需要同时获得 /dev/random和 /dev/urandom在内核模块中。 get_random_bytes提供获取 /dev/urandom 的 API . 但是/dev/random 没有A
python - random.random 到底在做什么
random.shuffle(lst_shuffle, random.random) 我知道后一部分是可选参数。但它究竟做了什么。我不明白这是什么意思。这是来自文档。 random.random()
python - random.random() 在不同的机器上生成不同的数字
在树莓派 3 上: >>> import random >>> random.seed(0.9849899567458751) >>> random.random() 0.47871160253065
Python:random.random()植入哪里？
说我有一些python代码: import random r=random.random() r的值通常从哪里来？如果我的操作系统没有随机数，那么它将在何处播种呢？为什么不建议将其用于加密？有什么

qq735679552

个人简介

我是一名优秀的程序员,十分优秀！

作者热门文章

滴滴打车优惠券免费领取

全站热门文章

首页

博学

6Ren·AI

商城

numpy.random模块用法总结