numpy.random讲解

NumPy是Python中一个广泛使用的科学计算库，numpy.random模块是NumPy中专门用于生成各种随机数的模块，提供了非常丰富的随机数生成函数。 下面是一些常用的numpy.random函数： 1. numpy.random.rand(d0, d1, ..., dn)：生成一个0到1之间的随机浮点数，可以传入多维度的参数。 2. numpy.random.randn(d0, d1, ..., dn)：生成一个标准正态分布的随机浮点数，可以传入多维度的参数。 3. numpy.random.randint(low, high=None, size=None, dtype='l')：生成一个指定范围内的整数，可以指定生成的数组形状。 4. numpy.random.normal(loc=0.0, scale=1.0, size=None)：生成一个指定均值和标准差的正态分布随机数，可以指定生成的数组形状。 5. numpy.random.choice(a, size=None, replace=True, p=None)：从序列a中随机选择元素，可以指定元素的概率分布。 6. numpy.random.shuffle(x)：将数组x中的元素随机打乱。 7. numpy.random.seed(seed=None)：指定随机数生成器的种子，以便于重复实验。 使用方法如下： ```python import numpy as np # 生成一个2x3的随机浮点数数组 print(np.random.rand(2, 3)) # 生成一个2x3的标准正态分布随机数数组 print(np.random.randn(2, 3)) # 生成一个1到10之间的随机整数数组，形状为2x3 print(np.random.randint(1, 10, size=(2, 3))) # 生成一个均值为0，标准差为1的正态分布随机数数组，形状为2x3 print(np.random.normal(loc=0, scale=1, size=(2, 3))) # 从列表中随机选择两个元素 a = [1, 2, 3, 4, 5] print(np.random.choice(a, size=2)) # 将列表随机打乱 np.random.shuffle(a) print(a) # 指定随机数生成器的种子，以便于重复实验 np.random.seed(0) print(np.random.rand(2, 3)) np.random.seed(0) print(np.random.rand(2, 3)) np.random.seed(1) print(np.random.rand(2, 3)) ``` 以上代码输出结果如下： ``` [[0.57959628 0.08073821 0.10431304] [0.15776023 0.68428247 0.60793829]] [[ 0.12372191 -0.31097988 0.37756379] [-1.2319817 -0.3248719 0.56368516]] [[8 4 7] [4 9 5]] [[ 0.5488135 1.96578057 0.24875314] [ 0.16454949 0.56702035 -0.22232814]] [1 3] [4, 5, 2, 1, 3] [[0.5488135 0.71518937 0.60276338] [0.54488318 0.4236548 0.64589411]] [[0.5488135 0.71518937 0.60276338] [0.54488318 0.4236548 0.64589411]] [[4.17022005e-01 7.20324493e-01 1.14374817e-04] [3.02332573e-01 1.46755891e-01 9.23385948e-02]] ``` 需要注意的是，numpy.random模块中的随机数生成器都是伪随机数生成器，它们的随机数序列是通过固定的算法和种子生成的，因此可以通过设置种子来控制随机数的生成，以便于重复实验。