Numpy简易教程2——创建随机数数组

numpy的安装和创建 一.安装 1.以管理员身份打开cmd 2.输入命令提示符 pip install numpy 3.使用以下命令查看是否安装成功 pip list 二.创建 1.使用array创建 array语法 """ numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0) """ 使用array创建一维数组 list01 = [1,2,3,4] np01 = .. 阅读详情
AI摘要

本文详细介绍了NumPy库中用于生成随机数的几个关键函数,包括random、rand、randn和randint,讲解了它们的使用方法和生成的随机数特性,如均匀分布、正态分布以及指定范围内的整数。这些函数在数据分析和模拟实验中有着广泛的应用。

创建随机数数组

NumPy提供了强大的生成随机数的功能。真正的随机数很难获得,实际中使用的都是伪随机数。大部分情况下,伪随机数就能满足需求。当然,某些特殊情况除外,如进行高精度的模拟实验。

对于NumPy,与随机数相关的函数都在random模块中,其中包括了可以生成服从多种概率分布随机数的函数。

1. random函数

random函数是最常见的生成随机数的方法,用于在区间[0,1)中生成均匀分布的随机数或随机数数组。

函数格式为random(size=None),size参数可选,即结果数组的形状元组,默认值为None,生成一个[0,1)之间的随机浮点数。

# 结果为一维数组
print('生成的随机数组为:',np.random.random(10))
生成的随机数组为:array([0.78283652, 0.9154314 , 0.41306707, 0.77055199, 0.16990905,
       0.07928419, 0.17580154, 0.5834303 , 0.52031781, 0.98319803])
# 结果为二维数组
print('生成的随机数组为:',np.random.random((2,5)))

结果为:

生成的随机数组为:array([[0.97113777, 0.50128748, 0.76695156, 0.85181191, 0.25288016],
       [0.60372028, 0.67677372, 0.91640817, 0.61216549, 0.23824247]])

2. rand函数

rand函数在区间[0,1)中生成服从均匀分布的随机数或随机数数组。

函数格式为rand(d0, d1, ..., dn),参数可选,即结果数组的形状,每个维度占据一个参数位置。如果没有参数则生成一个[0,1)之间的随机浮点数。

print('生成的随机数为:\n',np.random.rand())
生成的随机数为:
 0.7217603302000459
print('生成的随机数组为:\n',np.random.rand(1))
生成的随机数组为:
 [0.19385678]
print('生成的随机数组为:\n',np.random.rand(10,5))
生成的随机数组为:
 [[0.49840862 0.03578359 0.00181009 0.67397351 0.78615651]
 [0.5804709  0.97197456 0.63421724 0.64432133 0.03697043]
 [0.97348562 0.01799491 0.99825668 0.10233273 0.55043191]
 [0.70151956 0.51284018 0.2016238  0.60990257 0.56710229]
 [0.64986193 0.82797604 0.91317567 0.34350347 0.9934578 ]
 [0.14026724 0.19500193 0.39243871 0.49482824 0.81348489]
 [0.01888658 0.28372039 0.598484   0.46529771 0.30162018]
 [0.51269246 0.62850629 0.16219104 0.15306988 0.4664314 ]
 [0.36235548 0.93563423 0.3229593  0.79106824 0.52974968]
 [0.97405183 0.92076197 0.63987763 0.62506821 0.17320877]]

3. randn函数

randn函数可以生成服从正态分布的随机数或随机数数组。标准正态分布俗称高斯分布,正态分布是大自然中最常见的分布,标准正态分布就是期望为0,方差为1的正态分布。

函数格式为rand(d0, d1, ..., dn)。

如果没有参数,则返回一个值,如果有参数,则返回(d0, d1, …, dn)个值,这些值都是从标准正态分布中随机取样得到的。

参数:

  • d0, d1, …, dn:应该为正整数,表示维度。

返回值

  • Z:ndarray或者float。
# 结果为随机数
print('生成的随机数为:\n',np.random.randn())
生成的随机数为:
 0.099700533892262
# 结果为一维数组
print('生成的随机数组为:\n',np.random.randn(1))
生成的随机数组为:
 [-0.4034816]
# 结果为二维数组
print('生成的随机数组为:\n',np.random.randn(10,5))
生成的随机数组为:
 [[-0.92244038 -0.14297778 -1.62183926  0.69450445 -0.46215443]
 [-1.43031877 -1.15707293  0.95024971 -0.97172887 -0.00521778]
 [-0.42761885  0.89326249 -1.42080774 -0.16936234  0.28452475]
 [-0.29800584  0.56017163  0.57995082  0.10571659 -0.66880545]
 [ 0.05009425  1.47425088  0.13893255  0.32171053 -1.30117759]
 [ 0.04855885  0.24891627  0.1961776  -0.50640093  0.77361007]
 [-1.07036266 -0.76379055  0.1406273   0.30699761  0.58440356]
 [ 1.05698817  1.15176542  0.84752212  0.98985422 -1.50556324]
 [-1.62727776  0.18529418 -0.56364778  1.08166426  1.75008011]
 [ 0.81312321  1.02836285  1.35420898  0.32063411  0.38178463]]

4. randint函数

randint函数可以生成给定上下限范围的随机数。

函数格式为randint(low, high=None, size=None, dtype=int)。

其中,参数low为最小值,high为最大值,size为数组维度,dtype为数据类型,默认的数据类型是np.int。倘若high没有填写,默认生成随机数的范围就是[0,low)。size是可选项,如果不设置,则仅生成一个随机整数,如果想生成多个随机整数,则需要用一个元组来指定随机整数数组的维度信息。

返回的随机整数范围为[low,high),包含low,不包含high。

print('生成的随机数组为:',np.random.randint(2,10,size = [2,5]))
生成的随机数组为: [[4 5 4 9 8]
 [2 7 2 3 2]]
Numpy数组的创建,随机数组,用特殊字符填充,Numpy来自现有数据的数组,Numpy来自数值范围的数组,随机数组的多种创建方式 阅读详情

相关推荐

Numpy常用random随机函数

只要random.seed( * ) seed里面的值一样,那随机出来的结果就一样。所以说,seed的作用是让随机结果可重现。也就是说当我们设置相同的seed,每次生成的随机数相同。如果不设置seed,则每次会生成不同的随机数。使用同一个种子,每次生成的随机数序列都是相同的。

分享关于数据的知识。 9270

06_Numpy各种随机数组的生成方法

06_Numpy各种随机数组的生成方法 numpy.random模块中,有很多可以生成随机数的函数。 在此,对以下的内容进行说明: 生成均匀分布的随机数。 numpy.random.rand(): 0.0到1.0 numpy.random.random_sample(): 0.0到1.0 numpy.random.randint():任意值范围的整数 生成正态分布的随机数。 numpy....

qq_18351157的博客 7925

使用NumPy库生成随机数

可以使用NumPy库中的random.normal()函数生成服从正态分布的随机数。还可以通过size参数控制生成数组的维度。该函数接收一个整数参数n,返回一个长度为n的一维数组,数组中每个元素都是0到1之间的随机浮点数。可以使用NumPy库中的random.randint()函数生成随机整数。该函数接收两个参数a和b,返回一个范围在[a, b]之间的随机整数,包括a和b。总之,NumPy提供了丰富的生成随机数的函数来满足各种应用场景需求,开发人员可以根据自己的需求选择合适的函数来生成随机数。

带你成为别人眼中的大佬! 2709

在numpy中随机生成数组的三个方法

在python中,生成数组的方法多种多样,这里只举例在python的科学计算库numpy中的几个方法。1.调用方法zeros(),生成所有元素为0的数组。2.调用方法ones(),生成所有元素为1的数组。3.调用方法empty(),生成一个随机的数组。既然是在numpy中生成数组,首先都得调用numpy。1.调用方法zeros(),生成所有元素为0的数组。1.1    zeros( )知道它自己创...

heshaoliang的博客 8242

【Python进阶】5种方法创建NumPy数组,你真的都掌握了吗?

NumPy数组是NumPy的核心数据结构,它是一个固定类型的多维数组。与Python内置的列表相比,NumPy数组在内存中占用的空间更小,运算速度更快,非常适合大规模数据处理。NumPy数组的基本类型是ndarray,即n-dimensional array的缩写。通过以上内容的学习,相信你对NumPy数组的创建方法已经有了全面的了解。从简单的从列表创建数组,到创建全零数组、全一数组、单位矩阵和等差数列,再到更高级的等间距数列和随机数组,每一个方法都有其独特的应用场景。

java专栏 1798

智能车学习日记【二】————十字和斜入十字

智能车学习日记【二】————十字和斜入十字 文章目录 智能车学习日记【二】————十字和斜入十字 前言 一、普通十字补线 二、斜入十字 1.判断是否为斜入十字和斜入十字类型 2.找斜入十字拐点 总结 前言 经过了一个多月的学习,小白的我终于也是能较稳定调出了2.8m以上的四轮车,过程中也遇到了很多困难,其中就有十字补线和斜入十字补线。尤其是斜入十字也是困扰了我快一周,现在和大家分享一下我处理斜入十字的方法(我的方法其实还有很多漏洞需要改进,仅供大家参考理解一下,欢迎各位在评论区指点出可

bsefef的博客 2740

【Numpy】创建数组

简介:NumPy(Numerical Python的缩写)是一个开源的Python科学计算库。使用NumPy,就可以很自然地使用数组和矩阵。NumPy包含很多实用的数学函数,涵盖线性代数运算、傅里叶变换和随机数生成等功能。本文主要介绍一下数组创建的几种方法。 目录 1.numpy.array() 2.numpy.empty() 3.numpy.zeros() 4.numpy.ones() 5.numpy.frombuffer 6.numpy.fromiter() 1.num...

weixin_51781852的博客 1万+

AC7811无感FOC实战:从开环到闭环的电机控制调试全记录

本文详细记录了基于国产AC7811芯片实现无感FOC电机控制的全过程。从硬件软件环境搭建、开环I/F启动调试,到滑模观测器参数整定,再到平滑切入闭环及双环PID调节,提供了完整的实战步骤与参数调试心法。文章重点分享了无感控制从开环到闭环切换的关键技巧与常见问题排查清单,为工程师提供了一份避坑指南。

kotlin6android的博客 713

numpy创建三维空数组_numpy数组的创建和属性转换

一、数据与numpy数组的创建1、 python数组的创建python中的固定类型数组:python中提供了几种将数组存储在有效的、固定类型的数据缓存中的选项。内置的数组(array)模块可以创建按统一类型的密集数组:这里的“i”表示的是一个数据类型码,表示数据为整型。更实用的是ndarray数组对象,Python的数组对象提供了数组类型的有效存储,而Numpy为该数据加上了高效的操作。稍后将会介...

weixin_33444829的博客 4765

ESP32-BLE学习1-建立简单的server

start 学习之前,我想尝试使用ESP32的demo建立一个简单的server与手机接进行最基本的数据通信。 这里有BLE的简单讲解BLE资料 因为BLE的连接是具有主从机特性的,就像SPI,USB一些请求只能由主机端发起,连接也需要主机端发起。所以手机要想连上ESP32,就得将ESP32设置为从机模式。 从资料上可以看到,从机端通过Notify通知主机,所以从机就是GATT Server。 在进行ESP32 的demo学习之前,得大体看下ESP32的蓝牙组成,ESP32支持经典蓝牙和低功耗蓝牙4.2,

Spark的博客 1841

手把手入门YOLO到改进优化教程 | 【P5进阶篇】YOLOv8损失函数改进实战-损失函数IoU之KLD Loss

在本节,将从 KLD Loss(Kullback–Leibler Divergence Loss)的理论到实战代码实现,带你把 KLD Loss融合进 YOLOv8 的训练框架中。并通过训练日志与实验结果,验证 KLD Loss 在实际工程中的优势。

嵌入式阿齐Archie 2万+

【NumPy中数组创建】

一、NumPy是什么?二、利用array创建数组三、利用arange创建数组四、随机数创建数组五、ndarray对象六、其他方式创建数组七、数组的切片与索引。

m0_70964767的博客 1万+

STM32 stack_size和heap_size大小设置的意义

在使用STM32编程时,一般情况下我们不会关注堆栈空间的大小,因为在STM32的启动文件中,已经帮我们预先设置好了堆栈空间的大小。如下图所示的启动代码中,Stack栈的大小为:0x400(1024Byte),Heap堆的大小为:0x200(512Byte)。 1、若工程中使用的局部变量较多,定义的数据长度较大时,若不调整栈的空间大小,则会导致程序出现栈溢出,程序运行结果与预期的不符或程序跑飞。这时我们就需要手动的调整栈的大小。 2、当工程中使用了malloc动态分配内存空间时,这时分配.......

zxm8513优快云博客 3万+

Python NumPy - 数组的创建 random 模块生成随机数组

Python NumPy - 数组创建与随机数组生成 NumPy是Python数据科学的核心库,提供强大的数值计算能力。本文介绍了NumPy数组的创建方法和random模块的使用技巧。 主要内容 基本数组创建:从列表转换、全零/全一阵列、单位矩阵、对角矩阵等创建方法 序列数组:arange、linspace、logspace函数的使用 random模块详解:新旧随机数生成系统的对比 随机数生成: 均匀分布随机数(random、uniform、integers) 正态分布随机数(standard_normal

千淘万漉虽辛苦,吹尽狂沙始到金 9300

RHCA III之路---EX436-1

由于ha这门课有大量命令需要在3个节点上同步执行.如果执行history会出现前面数字,复制多行会有些麻烦.lab环境是nodea,nodeb,nodec 考试环境是node1,node2,node3。就可以快速将历史命令实现可多行复制,当然也可以用awk进行分割,个人喜好随意。技巧只能加快答题速度,对考试得分帮助不大。确认3个红框内容一致,且没报错即可。再执行一个histrory。3个node节点上运行。这样就能1次复制3行。

Q先生 1002

【A2DP】规范精讲[1]: 深入解析A2DP协议的核心架构

在蓝牙技术发展的早期阶段,音频传输主要通过SCO(同步面向连接)链路实现,这种设计主要针对语音通信,音质有限且功能单一。随着人们对无线高质量音频需求的增长,​​Advanced Audio Distribution Profile (A2DP)​​ 应运而生,成为蓝牙音频传输的技术基石。

byte轻骑兵的技术小窝 1万+

NumPy 创建数组

NumPy提供了多种创建数组的方法,包括从Python列表/元组转换(np.array())、使用内置函数生成特定结构(如np.zeros()、np.ones())、创建随机数组(np.random模块)以及从文件加载数据。创建时需注意数据类型(dtype)、形状一致性、内存效率和视图/副本问题。常见应用场景包括初始化矩阵、生成等差序列和随机数据等。NumPy数组相比Python列表具有更高的计算性能和内存效率,是数据科学和机器学习的基础数据结构。

likuoelie的博客 1122

代码的自由之旅:用AI写出无版权烦恼的Verilog

他们还基于这个数据集,训练了一个名叫“FreeV”的AI模型,不仅能写出好用的Verilog代码,还把版权侵权的风险降到了仅3%。为了让AI安全地写Verilog,研究团队提出了三个“法宝”:一个检测AI是否会生成侵权代码的测试方法、一个干净的Verilog数据集FreeSet,还有一个基于FreeSet训练的AI模型FreeV。AI的记忆力超强,能记住训练时见过的代码。测试发现,一些用Verilog数据训练过的AI,比如VeriGen,生成侵权代码的概率从9%涨到了15%,说明它们可能学了不该学的代码。

步子哥的博客 1809

5、Numpy创建数组

1、番外说明 大家好,我是小P,本系列是本人对Python模块Numpy的一些学习记录,总结于此一方面方便其它初学者学习,另一方面害怕自己遗忘,希望大家喜欢。此外,对“目标检测/模型压缩/语义分割”感兴趣的小伙伴,欢迎加入QQ群 813221712 讨论交流,进群请看群公告!(可以点击如下连接直接加入!) 点击链接加入群聊【Object Detection】:https://jq.qq.com...

phinoo的博客 2978

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

数据挖掘工具numpy(二)Numpy创建数组(随机数组)

一,从现有的数据创建数组 1,使用arange创建 import numpy as np temp1 = np.arange(12,dtype=np.float32) temp2 = np.arange(3,12,dtype=np.float32) temp3 = temp1.reshape(3,4) print(temp1,temp1.dtype) print(temp3,temp3.dtype) # -----------output----------------- [ 0. 1. 2. 3.

TFATS的博客 3185

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

创建Numpy数组的三种方法

但突然,一盆冷水泼身上,关键问题来了,如果我们想创建由0到19的数字序列数组,那是不是得一个数字一个数字地敲,创建0到100的呢?Numpy库的核心对象便是ndarray数组,又称n维数组。注意:这里要掌握arange()的结构,np.arange(x)为左闭右开结构,数据从0开始,到x-1结束,生成规则递增序列,同时也可以指定arange的3s参数,start、stop与step。当然,上例得到的只是一维数组,想要多维的,请将一系列的列表传递给数组函数,但要保证()内部的数据类型是list,这点很重要。

hdxx2022的博客 3504

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

python随机数组_NumPy数组基础与计算(一):Numpy随机数组的创建

NumPy数组基础与计算(一):Numpy随机数组的创建发布时间:2018-11-09 11:43,浏览次数:319, 标签:NumPy最近几天在外实训,闲着无聊,打算回顾一下科学计算库,在数据挖掘中经常用到numpy库进行数据分析与计算。<>一、从头创建数组1、创建一个长度为10的数组,数组的值都为0:np.zeros(10,dtype=int) array([0,0,0,0,0,0...

weixin_39722917的博客 2665

Python教程:Numpy系列,关于创建数组

转自:微点阅读https://www.weidianyuedu.com 创建Numpy数组的三大绝招 1.使用函数np.array 2.使用便捷的内置函数 3.使用随机库函数 Numpy库的核心对象便是ndarray数组,又称n维数组。要知道,基础数据的统计、变换等运算都是基于数组对象的,所以对于ndarray的掌握至关重要。而所谓工欲善其事必先利其器,工具我们暂时是搞明白了,至于怎么打造出来,这块得好好讲讲了。这篇Python学习教程的主要目的是帮助同学们更好地了解创建Numpy数组的三..

ysds20211402的博客 4917

numpy(1):创建数组的方法总结

1. Numpy简介 Numpy是Numerical Python的简称,它是目前Python数值计算中最为重要的基础包。大多数计算包都提供了基于Numpy的科学函数功能,将Numpy的数组对象作为数据交换的通用语。 Numpy之所以能够流行,其中一个原因就是它的设计对于含有大量数组的数据非常有效。Numpy在内部将数据存储在连续的内存块上,这与其他的Python内键数据结构是不同的,也使得Numpy运行效率更高,占用的内存更少。而且Numpy可以针对全量数组进行复杂计算而不需要写Python循环。

翔底的博客 5502

【画学numpy】2.numpy数组创建

上一章:【画学numpy】1.numpy数组初识 本文是画学numpy系列文章之一 ⭐️github:drawing_and_studying_numpy包含了可以运行的notebook文件以及本文绘制的所有插图。 numpy数组创建 上一小节中,创建一个长为4的1维数组要写4个数字,如果要创建一个长为100的数组,就要写100个数字,未免太麻烦了一点。 本小节,将介绍一系列十分常用且方便的数组创建方法: 等间隔数组:数组两两之间间隔相同,类似等差数列。 全等数组:数组里所有元素都相同。 随机数组:按

Light2077 3924

numpy(一):numpy的创建数组+基本属性+numpy随机数组+数组的访问+数组的变换

文章目录一、了解nump二、numpy的基本属性(shape,ndim,size,dtype,itemsize,data)①一维数组的举例②多维数组的举例③特别注意:numpy中的一维数组的shape理解三、numpy中数组的多种创建方法1.array():2.arange(),左闭右开3.linspace(),左闭右闭4.logspace(),等比数列5.zeros()和ones(),占位数组6...

不愿意透露姓名的网友 3077
上一篇: Numpy简易教程1——创建数组对象
下一篇: Numpy简易教程3——数组索引
mighty13
博客等级 码龄23年 728粉丝 438原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值