Numpy 和 random中的随机函数用法汇总_np.random.rand(4)-优快云博客

本文链接：https://blog.youkuaiyun.com/m0_61899108/article/details/127831228

本文详细介绍了Numpy中的rand、randn、randint和random_sample函数用法，以及Python random模块中的sample、randint、shuffle和choice功能。通过实例演示了如何生成不同分布的随机数和进行随机选择，适用于初学者和开发者参考。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Numpy 中 rand, randn, randint,random_sample用法

用法

实例

# https://blog.youkuaiyun.com/wsp_1138886114/article/details/90813788

import numpy as np

# rand()
np.random.rand(args) 如下所示,参数为数据维度
a1 = np.random.rand(4)      # 生成(0,1)均匀分布随机数，形状 = 1行(4个元素)
a2 = np.random.rand(2,3)    # 生成(0,1)均匀分布随机数，形状 = (2行，3列）
a3 = np.random.rand(2,3,4)  # 生成(0,1)均匀分布随机数，形状 = (2层，3行，4列）

# randn(),同rand()
b1 = np.random.randn(3,3,4)  # 生成标准正态分布随机数，形状 =(2层，3行，4列）

# randint()
randint_1 = np.random.randint(1,4)            # 生成[1,4)随机整数，形状 =单个元素
randint_2 = np.random.randint(1,4,5)          # 生成[1,4)随机整数，形状 =1行(5个元素)
randint_3 = np.random.randint(1,4,(5,3))      # 生成[1,4)随机整数，形状 =(5行,3列）

# random_sample()
Random_sample = np.random.random_sample(3)        # 生成[0,1)随机数，形状 =1行(3个元素)
Random_sample2 = np.random.random_sample((2,3))   # 生成[0,1)随机数，形状 = (2行，3列）

Python random模块中sample、randint、shuffle、choice用法

用法

函数名	功能
random()	返回 [0,1) 之间的随机实数n（常用）
uniform()	返回随机实数，可设定浮点数范围
randint()	随机生成一个int类型实数，可指定范围
choice(seq)	从序列seq中返回随机的元素
getrandbits(n)	以长整型形式返回n个随机位
shuffle(seq[, random])	原地指定seq序列，随机打乱
sample(seq, n)	从序列seq中选择n个随机且独立的元素，随机截取

实例

# https://www.cnblogs.com/dylancao/p/8202888.html

import random

# choice()
foo = ['a', 'b', 'c', 'd', 'e']
random_choice = random.choice(foo)  # 随机返回一个元素

# sample()
list = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
slice = random.sample(list, 5)  # 从list中随机获取5个元素，作为一个片断返回。不改变原有序列list。

# uniform()
uniform_1 = random.uniform(10, 20)  # 返回[10,20)范围内的一个随机实数

# randint()
randint_1 = random.randint(10, 20) # 返回范围内一个随机整数

# random
random_1 = random.random()   # 返回[0,1)内的一个随机实数

# shuffle()
li = range(20)
shuffle_1 = random.shuffle(li)  # 随机打乱