python中的随机数函数

python中的随机函数有很多，很容易混淆，这里总结一下。主要参考自：https://blog.youkuaiyun.com/brucewong0516/article/details/79011562

python中常用的随机函数有：1）np.random.rand；2）np.random.randint；3）np.random.randn；4）np.random.random。

1. np.random.rand(d0, d1, ..., dn)

根据给定维度生成[0,1)之间的数据，包含0，不包含1。其中dn表示每个维度的大小，n表示维度的个数。返回值为指定维度的array。

举例：

 1 import numpy as np
 2 
 3 x = np.random.rand(3, 2)
 4 print(x.shape)
 5 print(x)
 7 
 8 '''
 9 输出结果：
10 (3, 2)
11 [[0.55911292 0.5242528 ]
12  [0.15812263 0.88402055]
13  [0.50265009 0.65779738]]
14 '''

2. np.random.randn(d0, d1, …, dn)

randn函数返回一个或一组样本，具有标准正态分布，均值为0，标准差为1。其中dn表示每个维度的大小，n表示维度的个数。返回值为指定维度的array。

举例：

 1 import numpy as np
 2 
 3 x = np.random.randn(3, 2)
 4 print(x.shape)
 5 print(x)
 6 
 7 '''
 8 输出结果：
 9 (3, 2)
10 [[-0.81758026 -0.0527769 ]
11  [ 0.36913285  1.67281363]
12  [ 0.83645057 -0.54296909]]
13 '''

3. np.random.randint(low[, high, size])

返回随机整数，范围区间为[low,high），包含low，不包含high。其中low为最小值，high为最大值，size为数组维度大小，dtype为数据类型，默认的数据类型是np.int。high没有填写时，默认生成随机数的范围是[0，low)。

 1 import numpy as np
 2 
 3 x = np.random.randint(3)
 4 print(x)
 5 # 1
 6 
 7 x = np.random.randint(1,5)
 8 print(x)
 9 # 3
10 
11 x = np.random.randint(3, size=5)
12 print(x)
13 # [0 1 2 2 0]
14 
15 x = np.random.randint(3, size=[2, 2])
16 print(x)
17 '''
18 [[2 0]
19  [0 1]]
20 '''

4. np.random.random([size])

生成[0,1)之间的浮点数，与np.random.rand()功能类似。举例：

1 import numpy as np
2 
3 x = np.random.random(size=[2, 2])
4 print(x)
5 '''
6 [[0.94329549 0.93561065]
7  [0.33493102 0.67862068]]
8 '''

• numpy.random.random_sample(size=None)
• numpy.random.ranf(size=None)
• numpy.random.sample(size=None)

上面三个函数同样具有类似的功能。

5. np.random.choice(a[, size, replace, p])

从一个给定的一维数组，生成一个随机样本.

参数： a为一维数组类似数据或整数；size为数组维度；repalce参数为是否可以重复，当设置为FALSE时，不能出现重复的数据；p为数组中的数据出现的概率。

a为整数时，对应的一维数组为np.arange(a)。

 1 import numpy as np
 2 
 3 '''
 4 第一个参数值5对应的a,即传入的数据组
 5 第二个参数3就是数组的size，传入单值时，数据维度是一维的
 6 此处将生成一个一维数据包含3个小于5的整数的数组
 7 '''
 8 x = np.random.choice(5, 3)
 9 print(x)
10 #[4 0 4]
11 
12 #给数组中每个数据出现的概率赋值
13 x = np.random.choice(5, 3, p=[0.1, 0, 0.3, 0.6, 0])
14 print(x)
15 #[3 2 2]
16 
17 #repalce参数为是否可以重复，当设置为FALSE时，不能出现重复的数据
18 x = np.random.choice(5, 4, replace=False)
19 print(x)
20 #[2 4 1 0]
21 
22 #也可以传入非数字、字符串的数组
23 demo_list = ['lenovo', 'sansumg','moto','xiaomi', 'iphone']
24 x = np.random.choice(demo_list,size=(3,3))
25 print(x)
26 '''
27 [['sansumg' 'sansumg' 'xiaomi']
28  ['sansumg' 'iphone' 'sansumg']
29  ['lenovo' 'xiaomi' 'lenovo']]
30 '''

6. np.random.seed()

生成随机数的种子，使得每次生成随机数相同。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。

举例：

 1 import tensorflow as tf
 2 import numpy as np
 3 from sklearn.utils import check_random_state
 4 
 5 x = np.random.randint(0, 10)
 6 print(x)
 7 # 8
 8 
 9 x = np.random.randint(0, 10)
10 print(x)
11 # 9
12 
13 np.random.seed(0)
14 x = np.random.randint(0, 10)
15 print(x)
16 # 5
17 
18 np.random.seed(0)
19 x = np.random.randint(0, 10)
20 print(x)
21 # 5

转载于:https://www.cnblogs.com/piaojianxue/p/10824477.html