python numpy基础(二)random基本使用

电玩女神 2022-06-06 03:18 210阅读 0赞

（一）设置随机种子，会使后续的随机数都会固定下，不会因为程序运行多次而改变

import numpy as np
    np.random.seed(1)
    print np.random.rand()
    # 例如运行多次，依旧保持0.548813503927
    print np.random.rand()
    # 例如运行多次，依旧保持0.715189366372

（二）生成随机数

# 生成随机数python
    import numpy as np
    print np.random.rand()
    # 0.737898207626,默认生成一个[0,1)浮点数
    print np.random.rand(3)
    # [ 0.13565447  0.98265097  0.68823444]，生成3个
    # 生成随机2*2矩阵
    print np.random.rand(2,2)
    # [[ 0.51666387 0.94009316] # [ 0.39298786 0.72569242]]
    # np.random.rand和np.random.random_sample其实差不多，就输入参数不同
    print np.random.random_sample((2,2))
    # [[ 0.61852378 0.70618663] # [ 0.64536942 0.15789266]]
    
    # numpy.random.randint(low, high=None, size=None, dtype='l')
    # 生成一个整数或N维整数数组，取数范围：若high不为None时，取[low,high)之间随机整数，否则取值[0,low)之间随机整数
    # 生成一个[0,2)之间随机整数
    print np.random.randint(5)
    #2
    # 生成一个[2,5)之间随机整数
    print np.random.randint(2,5)
    # 3
    print np.random.randint(5,size=5)
    # [1 1 2 2 4]
    # 生成一个[2,5)之间随机2*2的矩阵
    print np.random.randint(2,5,size=(2,2))
    # [[3 2] # [4 4]]
    # np.random.randint和random.random_integers差不多，都是生成随机整数
    print np.random.random_integers(2,5,size=(2,2))
    # [[3 3] # [4 4]]

（三）常用的数学样本分布:正太分布，标准正太分布

# 常用的数学样本分布:正太分布，标准正太分布
    import numpy as np
    print np.random.randn()
    # -0.330575330738
    print np.random.randn(5)
    # [ 1.83188629 -0.83997864 -1.6763442 -0.04505718 -0.65242212]
    print np.random.randn(2,3)
    # [[-0.93742626 -0.62867399 -0.60228364]
    # [ 0.29129602 0.16947085 -0.44884333]]
    # 生成标准正太分布随机样本
    print np.random.standard_normal((2,3))
    # [[ 0.2172888 -0.57062087 0.50106583]
    # [-0.62042828 -0.7372449 -0.73330439]]
    # 可以使用下述表达式查看点分布情况
    import numpy as np
    import matplotlib.pyplot as plt
    plt.figure()
    n=1000
    #rand 均匀分布和 randn高斯分布
    x=np.arange(0,100,0.1)
    y=np.random.randn(1,n)
    y.sort()
    print y.shape
    # xx,yy = np.meshgrid(x,y)
    #c:散点的颜色，s：散点的大小，alpha:是透明程度
    plt.scatter(x,y,c='red',s=25,alpha=0.4,marker='o')
    plt.show()

![这里写图片描述][SouthEast]  
（四）在有限集合中获取随机数

#在有限集合中获取随机数
    # numpy.random.choice(a, size=None, replace=True, p=None)
    # 从序列中获取元素，若a为整数，元素取值为np.range(a)中随机数；若a为数组，取值为a数组元素中随机元素
    # replace表示是否可以拿出相同的值，p表示取出集合中各个元素的概率,p中的元素长度必须和a相同，且加起来等于1
    #生成一个range(10)中的随机数
    import numpy as np
    print np.random.choice(10)
    # 7
    # 生成一维数组，在[0-10)中取4个数
    print np.random.choice(10,4)
    # [8 3 2 6]
    # 生成多维数组
    print np.random.choice(10,(2,2))
    # [[7 8]
    # [2 8]]
    # 自定义随机拿取集合
    print np.random.choice(np.array(['a','b','c','f']),(2,2))
    # [['f' 'f']
    # ['c' 'a']]
    # 只会出现a和f
    print np.random.choice(np.array(['a','b','c','f']),(2,2),p=[0.5,0,0,0.5])
    # [['a' 'f']
    # ['f' 'f']]

（五）numpy洗牌

# numpy洗牌
    #numpy.random.shuffle(x)
    import numpy as np
    arr1 = [1,2,3,4,5]
    np.random.shuffle(arr1)
    print arr1
    #[2, 1, 5, 4, 3]
    #对于多维数组，只沿着第一条轴打乱顺序
    # numpy.random.shuffle(x)和numpy.random.permutation(x)差不多,不同的是permutation不会影响原来的数组
    arr2 = [1,2,3,4,5]
    np.random.permutation(arr2)
    print arr2
    # [1, 2, 3, 4, 5]
    arr3 = np.arange(9).reshape(3,3)
    print arr3
    # [[0 1 2]
    # [3 4 5]
    # [6 7 8]]
    np.random.shuffle(arr3)
    print arr3
    # [[6 7 8]
    # [0 1 2]
    # [3 4 5]]

[SouthEast]: /images/20220606/8607bcc54872466eb4ec63313fc85704.png