python自带的random模块与numpy中random模块介绍

一、python自带random模块

在科学运算中，往往需要用到随机数，随机生成一些正态分布，贝塔分布等，其中常用方法如下所示：

函数	介绍
random()	生成一个大于等于0小于等于1 的浮点数
uniform(a,b)	在已经指定的[a,b]范围内生成一个随机数，
triangular(low,high,mode)	返回三角形分布的随机数，参数分别代表返回值上下限与中值
betavariate(alpha,beta)	beta分布的随机数

分别对上述函数举个例子：

import random
print(random.random())#随机生成一个大于等于小于的的数
print(random.uniform(1,5))#在此范围内生成一个数
print(random.triangular(0,10,5))#生成三角形分布的值
print(random.betavariate(5,3))#生成beta分布的值

二、numpy.random（）方法

通常生成随机数用python自带的random即可，numpy.random()方法常常用来生成随机数组。

方法	描述
np.random.rand(d0,d1,d2…dn)	生成(0,1]之间，维度为(d0,d1…)的数组
np.random.randn(d0,d1,d2…dn)	具体类似于上者，这里服从正态分布
np.random.randint(low,high,[shape])	生成维度为[shape],范围为(low,high]的随机矩阵
np.random.random_integers(low,high,[shape])	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]
np.random.random_sample([size])	返回随机的浮点数，在半开区间 [0.0, 1.0) 形状为[size]
np.random.choice(a[shape],replace,p	从一位数组a中抽取元素，生成维度为[shape]，replace代表元素是否重复抽取默认False，P：代表每个元素出现概率
np.random.shuffle(a)	洗牌，打乱其原有顺序，改变后重新赋给a
np.random.permutation(a)	与上者类似，只不过不改变a值

import numpy as np
print(np.random.rand(4,2,2))#生成4行2列[0,1)的矩阵
print(np.random.randn(4,2))#返回一个样本，具有标准正态分布。
print(np.random.randint(2,4,[2,5]))#生成从2-4的整数，2行5列
print(np.random.random_integers(1,5,[2,5]))#
print(np.random.random_sample((5,2)))#生成5行2列的浮点数
print(np.random.choice(5, 3))#This is equivalent to np.random.randint(0,5,3)
a=np.random.randint(1,200,(5,))#必须是1维的[111  23 152 125 129]
print(a)
print(np.random.choice(a,(3,2)))
b=np.random.randint(10,20,(3,3))
print(b)
c=np.random.shuffle(b)
print(c)
print(b)
d=np.random.permutation(b)
print(d)
print(b)