numpy.random

numpy中利用random类获取随机数.

1、numpy.random.random()  生成一个随机的浮点数

     默认为生成一个随机的浮点数,范围是在0.0~1.0之间,也可以通过参数size设置返回数据的size;

  1)生成一个随机的浮点数:

      n = numpy.random.random()

      print(n)  

      输出:0.429489486421

  2)设置参数size:

      n = numpy.random.random(size=(3, 2))

      print (n)     

      输出:  [[ 0.32018625  0.22410508]

                    [ 0.57830333  0.74477335]

                    [ 0.08333105  0.48533304]]

2、numpy.random.randint() 生成一个随机整数

    randint(low, high=None, size=None, dtype=’l’)

    print(np.random.randint(8))                        输出4

    print (np.random.randint(5, size=3))          输出[1 1 3]

    print (np.random.randint(6, size=(3,2)))    输出[[2 4]

                                                                                  [5 4]

                                                                                  [3 0]]

    print (np.random.randint(low=5, high=10, size=3))  输出[7 5 5]

3、numpy.random.normal()  生成高斯分布随机数

    normal(loc=0.0, scale=1.0, size=None)

    loc:均值,scale:标准差,size:抽取样本的size

    n = numpy.random.normal(loc=0.0, scale=1, size=(2, 3))

    print(n)

    [[-0.15040995 -0.43780718 -0.22292445]

      [-0.89388124 -0.39465164  0.24113838]]

4、numpy.random.randn() 生成标准正态分布随机数

    numpy.random.randn(d0, d1, …, dn)函数:

    从标准正态分布中返回一个(d0*d1* …* dn)维样本值

    import numpy as np

    print(np.random.randn(4, 2))

    [[-1.88753851 -2.54412195]

    [ 0.51856343 -1.07733711]

    [ 1.05820592 -0.23889217]

    [ 0.73309062  0.42152066]]

    例2:

    import numpy as np

    print(np.random.randn(4, 2, 3))

    输出:

    [[[-1.00477835  1.16919912 -1.28299362]

      [ 0.0645336  0.19143397 -0.16957401]]

      [[-1.45250491 -0.51844037 -0.01241654]

      [ 0.41427599  0.19469926 -0.92450654]]

      [[-1.90133606  1.23554382 -1.37775698]

      [-0.98110245  0.3562373  -0.27816068]]

      [[ 1.0380202  0.24293181  0.5341542 ]

      [-0.62945999  1.62233629 -0.07299065]]]

5、numpy.random.rand() 生成[0, 1)间随机数

    numpy.random.rand(d0, d1, …, dn)函数:

    生成一个(d0*d1* …* dn)维位于[0, 1)中随机样本

    例:

    import numpy as np

    print np.random.rand(2,3)

    输出:

    [[ 0.06112299  0.02476706  0.04235452]

      [ 0.47891264  0.68831817  0.31309659]]

6、numpy.random.shuffle() 随机打乱序列

    numpy.random.shuffle() 将序列的所有元素随机排序

    传入参数可以是一个序列或者元组

    import numpy as np

    x = range(0, 8, 1)

    print(x)    [0, 1, 2, 3, 4, 5, 6, 7]

    np.random.shuffle(x) 

    print (x)    [2, 3, 5, 4, 1, 7, 0, 6]

7、numpy.random.choice() 随机选取序列的一个元素

    numpy.random.choice()可以从序列(字符串、列表、元组等)中随机选取,返回一个列表,元组或字符串的随机项。

    import numpy as np

    print(np.random.choice(['a','b','c','d','e']))  c

    print np.random.choice(5, 6)

    输出(6个小于5的元素):[2 3 3 3 1 2]

p:每个条目出现的概率。如果没有,假设样本在A中的所有条目都具有均匀分布。

import numpy as np

print np.random.choice(5, 3, p=[0.1, 0, 0.3, 0.6, 0])

(p=[0.1, 0, 0.3, 0.6, 0]即出现0 1 2 3 4的概率分别是[0.1, 0, 0.3, 0.6, 0])

输出:

[0 3 2]

import numpy as np

ss = ['pooh', 'rabbit', 'piglet', 'Christopher']

print np.random.choice(ss, 5, p=[0.5, 0.1, 0.1, 0.3])

输出:

['Christopher' 'piglet' 'pooh' 'piglet' 'Christopher']

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,839评论 6 482
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,543评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 153,116评论 0 344
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,371评论 1 279
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,384评论 5 374
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,111评论 1 285
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,416评论 3 400
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,053评论 0 259
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,558评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,007评论 2 325
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,117评论 1 334
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,756评论 4 324
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,324评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,315评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,539评论 1 262
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,578评论 2 355
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,877评论 2 345

推荐阅读更多精彩内容