Numpy（四）

Numpy的随机数函数

np.random的随机数函数（一）

rand(d0,d1,...,dn)  #根据d0-dn创建随机数组，浮点数，范围[0,1)，均匀分布
randn(d0,d1...,dn)  #根据d0-dn创建随机数数组，标准正态分布
randint(low,high,shape)  #根据shape创建随机整数或整数数组，范围是[low,high)
seed(s)  #随机数种子，s是给定的种子值

np.random的随机数函数（二）

shuffle(a)  #根据数组a的第1轴进行随机排列，会改变数组a
permutation(a)  #根据数组a的第1轴产生一个新的乱序数组，不改变数组a
choice(a,size,replace,p)  #从一维数组a中以概率p抽取元素，形成size形状的新数组，replace表示是否可以重用元素，默认为False

例子：

import numpy as np

a= np.array([1,2,3])
np.random.shuffle(a)

a
Out[10]: array([3, 1, 2])  #此时数组a已经发生变化
#------分隔线------
a= np.array([1,2,3])
np.random.permutation(a)
Out[13]: array([3, 1, 2])
a
Out[14]: array([1, 2, 3])  #原始数组a并没有变化
#------分隔线------
b=np.random.randint(100,200,(8,))

b
Out[22]: array([169, 144, 172, 168, 147, 128, 141, 165])

np.random.choice(b,(3,2))
Out[23]: 
array([[165, 141],
       [165, 141],
       [165, 165]])

np.random.choice(b,(3,2),replace=False)
Out[24]: 
array([[169, 128],
       [165, 144],
       [141, 147]])

np.random.choice(b,(3,2),p=b/np.sum(b))
Out[25]: 
array([[144, 128],
       [128, 169],
       [172, 128]])

np.random的随机数函数（三）

uniform(low,high,size)  #产生具有均匀分布的数组，low起始值，high结束值，size形状
normal(loc,scale,size)  #产生具有正态分布的数组，loc均值，scale标准差，size形状
possion(lan,size)  #产生具有泊松分布的数组，lam随机事件发生率，size形状

---

*参考资料：北京理工大学嵩天老师教学视频
*选择自己要走的路