<think>
我们被要求回答关于使用numpy生成随机数组的方法。
根据提供的引用，我们可以总结如下：
引用[1]提到：
- 使用numpy.random模块生成随机数组。
- np.random.rand：生成[0.0, 1.0)之间的随机浮点数。如果没有参数，则返回一个随机浮点数；如果有一个参数（整数型），则返回一维数组；多个参数则返回对应维度的数组。
引用[2]提到：
- numpy.random模块有很多方法：rand, uniform, choice, randn, normal, randint, random等。
- numpy.random.rand(d0, d1, …, dn) 生成指定维度的数组，数组元素在[0,1)区间均匀分布。
引用[3]给出一个例子：
- 使用np.random.rand(3,4,5)生成一个3*4*5的数组，并展示了数组的属性（维度个数、形状、数据类型）。
除此之外，我们还可以补充一些常见的生成随机数组的方法（即使引用中没有提到，但根据我们的知识，这些方法是常用的）：
- np.random.random: 类似于rand，但是参数使用元组形式指定形状，如np.random.random((2,3))。
- np.random.randn: 生成标准正态分布（均值为0，标准差为1）的随机数。
- np.random.normal: 生成正态分布（可指定均值和标准差）的随机数。
- np.random.randint: 生成随机整数。
- np.random.uniform: 生成均匀分布的随机数（可以指定范围）。
注意：在numpy的较新版本（1.17之后）中，推荐使用Generator对象（通过np.random.default_rng()创建）来生成随机数，这样方法更丰富且更符合现代实践。但考虑到引用中提供的方法都是传统方法，我们同时介绍传统方法和新方法。
然而，由于用户问题中并没有指定numpy版本，我们以传统方法为主，并简要提及新方法。
因此，我们可以组织回答如下：
1. 首先介绍np.random.rand
2. 介绍其他常用方法：randn, randint, uniform, normal, random等
3. 简要提及新版本中的Generator
注意：我们引用的内容来自站内引用，所以在适当位置添加引用标识。
另外，根据系统级指令，我们需要在回答末尾生成相关问题。
我们尽量使用中文回答，结构清晰。
</think>
### NumPy生成随机数组的方法总结
NumPy提供了多种生成随机数组的方法，主要通过`numpy.random`模块实现。以下是常用方法总结：
#### 1. **均匀分布随机数**
- `np.random.rand(d0, d1, ..., dn)`
生成$[0.0, 1.0)$区间的均匀分布浮点数数组，维度由参数指定：
```python
import numpy as np
arr1d = np.random.rand(5) # 一维数组（5个元素）
arr3d = np.random.rand(2,3,4) # 三维数组（2×3×4）[^3]
```
- `np.random.random(size)`
功能类似`rand`，但参数为元组形式：
```python
arr2d = np.random.random((3,4)) # 3行4列的二维数组
```
#### 2. **整数随机数**
- `np.random.randint(low, high, size)`
生成$[low, high)$区间的随机整数：
```python
int_arr = np.random.randint(1, 100, (5,5)) # 5×5矩阵，元素∈[1,100)
```
#### 3. **正态分布随机数**
- `np.random.randn(d0, d1, ..., dn)`
生成标准正态分布（均值0，标准差1）：
```python
norm_arr = np.random.randn(100) # 100个标准正态分布值[^2]
```
- `np.random.normal(loc, scale, size)`
自定义正态分布（均值`loc`，标准差`scale`）：
```python
custom_norm = np.random.normal(10, 2, (3,3)) # 均值10，标准差2
```
#### 4. **其他分布**
- `np.random.uniform(low, high, size)`
自定义均匀分布区间$[low, high)$：
```python
uniform_arr = np.random.uniform(-5, 5, 10) # [-5,5)区间的10个值[^2]
```
- `np.random.choice(a, size)`
从给定数组`a`中随机抽取：
```python
choice_arr = np.random.choice([0.2, 0.4, 0.6], 5) # 从指定值中随机选5个[^2]
```
#### 5. **数组属性操作**
生成后可查看数组属性：
```python
arr = np.random.rand(3,4)
print("维度数:", arr.ndim) # 输出: 2
print("形状:", arr.shape) # 输出: (3,4)
print("数据类型:", arr.dtype) # 输出: float64[^3]
```
---
### 注意事项
1. **随机种子**
使用`np.random.seed(数值)`可复现随机结果：
```python
np.random.seed(42) # 固定随机序列
```
2. **新版本推荐**
NumPy≥1.17建议使用`Generator`对象：
```python
rng = np.random.default_rng()
arr = rng.uniform(0,1,(5,5))
```
本文详细介绍了如何使用NumPy库中的数组进行形状变换，包括直接修改shape属性和使用reshape方法创建新数组。此外，还讲解了两种常用的数组展平方法：ravel()和flatten()，并演示了如何按行或按列展平高维数组。
扫一扫
1899
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
