Python的numpy库rand(),randn(),randint(),random_integers()等random系函数的用法

使用Python进行数据处理时&＃xff0c;往往需要用到大量的随机数据&＃xff0c;那如何构造这么多数据呢&＃xff1f;Python的第三方库numpy库中提供了random函数来实现这个功能。

首先导入numpy,下面所有的代码都默认导入了 numpy,即下面的代码&＃xff1a;

import numpy as np

首先说下numpy.random.seed()与numpy.random.RandomState()这两个在数据处理中比较常用的函数&＃xff0c;两者实现的作用是一样的&＃xff0c;都是使每次随机生成数一样

np.random.seed(1)
np.random.rand(8)

result:

array([4.17022005e-01, 7.20324493e-01, 1.14374817e-04, 3.02332573e-01,1.46755891e-01, 9.23385948e-02, 1.86260211e-01, 3.45560727e-01])

np.random.seed(1)
np.random.rand(8)

result:

array([4.17022005e-01, 7.20324493e-01, 1.14374817e-04, 3.02332573e-01,1.46755891e-01, 9.23385948e-02, 1.86260211e-01, 3.45560727e-01])

再看numpy.random.RandomState()&＃xff1a;

rng&＃61;np.random.RandomState(1)
rng.rand(8)

result:

array([4.17022005e-01, 7.20324493e-01, 1.14374817e-04, 3.02332573e-01,1.46755891e-01, 9.23385948e-02, 1.86260211e-01, 3.45560727e-01])

rng&＃61;np.random.RandomState(1)
rng.rand(8)

result:

array([4.17022005e-01, 7.20324493e-01, 1.14374817e-04, 3.02332573e-01,1.46755891e-01, 9.23385948e-02, 1.86260211e-01, 3.45560727e-01])

可以看到上述四个随机数结果是 一样的

1、numpy.random.rand()
官方文档中给出的用法是&＃xff1a; np.random.rand(d0,d1,d2.....dn)
以给定的形状创建一个数组&＃xff0c;并在数组中加入在[0,1]之间均匀分布的随机数样本
用法及实现

np.random.rand(2,3)

result:

array([[0.87638915, 0.89460666, 0.08504421],[0.03905478, 0.16983042, 0.8781425 ]])

2、numpy.random.randn()
官方文档中给出的用法是&＃xff1a;numpy.random.randn(d0,d1,…dn)
以给定的形状创建一个数组&＃xff0c;数组元素符合标准正态分布 N(0,1)
若要得到一般的正态分布 N(mu,sigma*sigma),则可以用 sigma*np.random.randn(....)&＃43;mu 进行表示
用法及实现

np.random.randn(2,3)

result:

array([[-0.17242821, -0.87785842, 0.04221375],[ 0.58281521, -1.10061918, 1.14472371]])

3、numpy.random.randint()
官方文档中给出的用用法是&＃xff1a; np.random.randint(low,high&＃61;None,size&＃61;None,dtype)
生成在半开闭区间[low,high)上离散均匀分布的整数值&＃xff1b;若 high&＃61;None&＃xff0c;则取值区间变为[0,low)
用法及实现

# high &＃61; None
np.random.randint(5,size&＃61;(2,3))

result:

array([[4, 2, 4],[0, 3, 1]])

# high !&＃61; None
np.random.randint(2,high&＃61;5,size&＃61;(2,3))

result:

array([[4, 2, 2],[3, 4, 4]])

np.random.randint(0,15) # 这里未指定 size&＃xff0c;只生成一个

result:

6

4、numpy.random.random_integers()
#官方文档中给出的用法是&＃xff1a;numpy.random.random_integers(low,high&＃61;None,size&＃61;None)
#生成闭区间[low,high]上离散均匀分布的整数值;若high&＃61;None&＃xff0c;则取值区间变为[1,low]
#用法及实现

# high &＃61; None
np.random.random_integers(5,size&＃61;(2,3))

result:

/home/zp/ProgramData/Anaconda3/lib/python3.6/site-packages/ipykernel_launcher.py:2: DeprecationWarning: This function is deprecated. Please call randint(1, 5 &＃43; 1) insteadarray([[2, 4, 5],[4, 2, 4]])

上述的结果中有一段废弃警告&＃xff0c;大致意思是&＃xff1a;Python3.6将不再使用 random.random_integers(),可以使用 randint() 代替

np.random.randint(1,5&＃43;1,size&＃61;(2,3))

result:

array([[1, 3, 3],[2, 4, 5]])

# high !&＃61; None
np.random.random_integers(2,high&＃61;5,size&＃61;(2,3))

result:

/home/zp/ProgramData/Anaconda3/lib/python3.6/site-packages/ipykernel_launcher.py:1: DeprecationWarning: This function is deprecated. Please call randint(2, 5 &＃43; 1) instead"""Entry point for launching an IPython kernel.array([[4, 4, 4],[2, 2, 5]])

np.random.randint(2,6,size&＃61;(2,3))

result:

array([[5, 3, 3],[3, 5, 2]])

5、numpy.random.random_sample()
官方文档中给出的用法是&＃xff1a;numpy.random.random_sample(size&＃61;None)
以给定形状返回[0,1)之间的随机浮点数
用法及实现

np.random.random_sample(size&＃61;(2,3))

result:

array([[0.53589641, 0.66379465, 0.51488911],[0.94459476, 0.58655504, 0.90340192]])

np.random.random_sample()

result:

0.13747470414623753

其他函数&＃xff0c;numpy.random.random() ;numpy.random.ranf() numpy.random.sample()用法及实现都与它相同

6、numpy.random.choice()
官方文档中给出的用法&＃xff1a; np.random.choice(a,size&＃61;None,replace&＃61;True,p&＃61;None)
若 a 为数组&＃xff0c;则从 a 中选取元素&＃xff1b;若 a 为单个 int 类型数&＃xff0c;则选取 range(a) 中的数
replace 是bool 类型&＃xff0c;为 True&＃xff0c;则选取的元素会出现重复&＃xff0c;反之不会出现重复
p 为数组&＃xff0c;里面存放选到每个数的可能性&＃xff0c;即 概率

np.random.choice(5,size&＃61;4,replace&＃61;True,p&＃61;[0.1,0.1,0.3,0.4,0.1])

result:

array([2, 4, 3, 3])

np.random.choice(5,size&＃61;4,replace&＃61;False,p&＃61;[0.1,0.1,0.3,0.4,0.1])

result:

array([1, 4, 2, 3])