numpy中的np.random用法

转载自：https://blog.csdn.net/Candyerer/article/details/111300215

一、np.random.rand()：生成指定维度的[0,1)间的随机数

np.random.rand(4,3);///生成4行3列的数组，数组中内一个元素都是[0,1)间的随机数

二、np.random.random()：生成指定维度的[0,1)间的随机数

np.random.random([4,3]);///生成4行3列的数组，数组中内一个元素都是[0,1)间的随机数,等同于np.random.rand();

三、np.random.randn()：生成的随机数服从正态分布

np.random.randn();///没有参数，只返回一个数据
np.random.randn(2,4);///返回[2,4]的数组，数组中的元素符合正态分布

四、np.random.randint(low,high,size=none,dtype=‘I’)：范围为[low,high),dtype默认为int

np.random.randint(1,size=5):
返回[0,1)之间的随机整数，尺寸为5，因此只有0
array([0,0,0,0,0])

五、np.random.random_integers(low,high = None,size = None)–>返回范围为[low,high] 闭区间 随机整数

np.random.random(size = (2,2))
[[ 0.25303772   0.45417512]
 [ 0.76053763   0.12454433]]

六、np.random.choice(a, size = None, replace = True, p = None) --> 从给定数组a中随机选择,p可以指定a中每个元素被选择的概率，当replace = False时，返回的数中不可以有重复的

///p是一个list,p的size 必须与a的size一致，p中每个元素对应了a中每个元素被选择的概率
np.random.choice(list_tmp,size = (3,3),p = [0.1,0.6,0.1,0.1,0.1])

七、np.random.seed() -->使随即数据可预测，对于同一个seed，生成的随机数相同

np.random.seed(0)
>>>np.random.rand(1)
array([0.5488135])
>>>np.random.seed(1)
>>>np.random.rand(1)
array([0.4359949])
>>>np.random.seed(1)
>>>np.random.rand(1)
array([0.4359949])