np.random系列的常用函数

亦凉 2023-07-06 11:52 29阅读 0赞

numpy 中的random函数在写代码中有很重要的作用  
每次都记不太住每个函数的区别（笑哭）  
索性就自己来做一个总结加深一下记忆吧

\*\*

## 1. np.random.random(size=()) ##

\*\*

作用：产生【0,1】之间的随机数

import numpy as np
    x = np.random.random((2,3))
    print(x)
    [[0.02530484 0.63131895 0.45685136]
     [0.17986004 0.88922722 0.26862242]]

## 2.np.random.rand() ##

作用：产生【0,1】之间的**均匀分布**随机数

import numpy as np
    import matplotlib.pyplot as plt
    x = np.random.rand(1000,2)
    plt.scatter(x[:,0],x[:,1])
    plt.xlim([-1,2])
    plt.ylim([-1,2])
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM1ODk2MTM2_size_16_color_FFFFFF_t_70]

## 3.np.random.randn() ##

作用：产生标准正态分布的随机数

import numpy as np
    import matplotlib.pyplot as plt
    x = np.random.randn(1000,2)#产生标准正态分布的1000个数据
    plt.scatter(x[:,0],x[:,1])
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM1ODk2MTM2_size_16_color_FFFFFF_t_70 1]

## 4.np.random.uniform(low,high,size) ##

作用：产生【low,high】之间均匀分布的随机数

import numpy as np
    import matplotlib.pyplot as plt
    x = np.random.uniform(2,3,(1000,2))#产生（2,3）之间均匀分布的1000个数据
    plt.scatter(x[:,0],x[:,1])
    plt.xlim([1,4])
    plt.ylim([1,4])
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM1ODk2MTM2_size_16_color_FFFFFF_t_70 2]

## 5.np.random.seed() ##

作用：每次产生相同的随机数  
情况：当代码中需要产生随机数，但是想让每次的随机数分布相同，则可以使用该语句。

import numpy as np
    x = np.random.rand()
    y = np.random.rand()
    print(x,y)

>>> x
    0.7203244934421581
    >>> y
    0.00011437481734488664

产生的随机数x,y不同

import numpy as np
    np.random.seed(1)
    x = np.random.rand()
    np.random.seed(1)
    y = np.random.rand()
    print(x,y)

>>> x
    0.417022004702574
    >>> y
    0.417022004702574

产生的x,y随机数相同  
注意:需要每次在产生随机数之前都需要中下种子，否则还是会产生不相同的随机数

## 6.np.random.randint(low, high=None, size=None) ##

作用返回一个随机整型数，范围从低（包括）到高（不包括），即\[low, high)。如果没有写参数high的值，则返回\[0,low)的值。

>>> np.random.randint(3,size = (2,3))
    array([[0, 2, 1],
           [2, 0, 2]])
    >>> np.random.randint(3,6,size = (2,3))
    array([[4, 5, 3],
           [3, 5, 3]])

个人感觉常用的是这么几种，就先写这么多吧

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM1ODk2MTM2_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20200218172013459.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM1ODk2MTM2,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM1ODk2MTM2_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20200218171642599.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM1ODk2MTM2,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM1ODk2MTM2_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20200218172417250.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM1ODk2MTM2,size_16,color_FFFFFF,t_70