Python的numpy库中rand(),randn(),randint(),random_integers()等random系函数的使用

在使用Python进行数据处理时，往往需要用到大量的随机数据，那如何构造这么多数据呢？Python的第三方库numpy库中提供了random函数来实现这个功能。
本文将根据官方文档以及其他博友的博客一起来谈论常见的random函数以及使用
官方文档

首先说下numpy.random.seed()与numpy.random.RandomState()这两个在数据处理中比较常用的函数，两者实现的作用是一样的，都是使每次随机生成数一样，具体可见下图

1.numpy.random.rand()
官方文档中给出的用法是：numpy.random.rand(d0,d1,…dn)
以给定的形状创建一个数组，并在数组中加入在[0,1]之间均匀分布的随机样本。
用法及实现：

2.numpy.random.randn()
官方文档中给出的用法是：numpy.random.rand(d0,d1,…dn)
以给定的形状创建一个数组，数组元素来符合标准正态分布N(0,1)
若要获得一般正态分布则可用sigma * np.random.randn(…) + mu进行表示
用法及实现：

3.numpy.random.randint()
官方文档中给出的用法是：numpy.random.randint(low,high=None,size=None,dtype)
生成在半开半闭区间[low,high)上离散均匀分布的整数值;若high=None，则取值区间变为[0,low)
用法及实现
high=None的情形

high≠None

4.numpy.random.random_integers()
官方文档中给出的用法是：
numpy.random.random_integers(low,high=None,size=None)
生成闭区间[low,high]上离散均匀分布的整数值;若high=None，则取值区间变为[1,low]
用法及实现
high=None的情形

high≠None的情形

此外，若要将【a,b】区间分成N等分，也可以用此函数实现
a+(b-a)*(numpy.random.random_integers(N)-1)/(N-1)

5.numpy.random_sanmple()
官方文档中给出的用法是：
numpy.random.random_sample(size=None)
以给定形状返回[0,1)之间的随机浮点数
用法及实现

其他函数，numpy.random.random() ;numpy.random.ranf()
numpy.random.sample()用法及实现都与它相同

6.numpy.random.choice()
官方文档中给出的用法：
numpy.random.choice(a,size=None,replace=True,p=None)
若a为数组，则从a中选取元素；若a为单个int类型数，则选取range(a)中的数
replace是bool类型，为True，则选取的元素会出现重复；反之不会出现重复
p为数组，里面存放选到每个数的可能性，即概率
用法及实现

以上就是关于random函数的几种用法，欢迎大家一起交流