本文深入探讨了Numpy中的随机数生成模块，对比Python内置的random模块，Numpy提供了更高效、更多样化的随机数生成函数，适用于大规模数据样本的生成。文中详细介绍了如何使用Numpy生成不同分布的随机数，并解释了伪随机数的概念及其生成原理。
numpy.random模块对Python内置的random进行了补充，增加了一些用于高效生成多种概率分布的样本值的函数。例如，你可以用normal来得到一个标准正态分布的4×4样本数组：
而Python内置的random模块则只能一次生成一个样本值。从下面的测试结果中可以看出，如果需要产生大量样本值，numpy.random快了不止一个数量级
我们说这些都是伪随机数，是因为它们都是通过算法基于随机数生成器种子，在确定性的条件下生成的。你可以用NumPy的np.random.seed更改随机数生成种子：
numpy.random的数据生成函数使用了全局的随机种子。要避免全局状态，你可以使用numpy.random.RandomState，创建一个与其它隔离的随机数生成器：
numpy.random函数
教程 | Jupyter Notebook初级教程——迷死人的基础操作
教程 | Jupyter Notebook基础教程——快捷键的使用
教程 | Python之Numpy ndarray 基本介绍 1
教程 | Python之Numpy ndarray 基本介绍 2
教程 | Python之Numpy ndarray 基本介绍 3
教程 | Python之Numpy ndarray 基本介绍 4
点击 阅读原文 ，动手操作
— End —
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
