numpy.random 模块中文文档学习笔记

1 numpy.random.randint()

整数随机，指定上下界，左闭右开

np.random.randint(1, size=10) >>> array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0]) np.random.randint(2, size=10) >>> array([1, 0, 0, 0, 1, 1, 0, 0, 1, 0]) np.random.randint(5, size=(2, 4)) >>> array([[4, 0, 2, 1], [3, 2, 2, 0]])

2 numpy.random.rand()

rand()函数根据给定维度生成 [0,1) 之间的数据，均匀分布

np.random.rand(3,2) >>> array([[ 0.14022471, 0.96360618], [ 0.37601032, 0.25528411], [ 0.49313049, 0.94909878]])

3 numpy.random.randn()

服从标准正态分布～N（0，1）

np.random.randn() >>> 2.1923875335537315 2.5 * np.random.randn(2, 4) + 3 >>> array([[-4.49401501, 4.00950034, -1.81814867, 7.29718677], [ 0.39924804, 4.68456316, 4.99394529, 4.84057254]])

4 numpy.random.choice()

numpy.random.choice(a, size=None, replace=True, p=None) 抽样，参数replace用来设置是否可以取相同元素：True表示可以取相同数字；False表示不可以取相同数字。默认是True。

np.random.choice(5, 3, p=[0.1, 0, 0.3, 0.6, 0.0]) >>> array([3, 3, 0]) np.random.choice(5) #从[0, 5)中随机输出一个随机数，相当于np.random.randint(0, 5) >>> 2 np.random.choice(5, 6, replace=True)#可以看到有相同元素 >>> array([3, 4, 1, 1, 0, 3]) np.random.choice(5, 6, replace=False)#会报错，因为五个数字中取六个，不可能不取到重复的数字 >>> ValueError: Cannot take a larger sample than population when 'replace=False' aa_milne_arr = ['pooh', 'rabbit', 'piglet', 'Christopher'] np.random.choice(aa_milne_arr, 5, p=[0.5, 0.1, 0.1, 0.3]) >>> array(['pooh', 'pooh', 'pooh', 'Christopher', 'piglet'], dtype='|S11') #可以看到，‘pooh’被选取的概率明显比其他几个高很多

5 numpy.random.uniform()

numpy.random.uniform(low,high,size) 从一个均匀分布 [low,high) 中随机采样； low：采样下界，float 类型，默认值为0； high：采样上界，float 类型，默认值为1； size：输出样本数目，为 int 或元组（tuple）类型； 例如，size=（m，n，k），则输出m * n * k个样本，缺省时输出1个值。