Numpy（四）

Numpy的随机数函数

np.random的随机数函数（一）

rand(d0,d1,...,dn)  #根据d0-dn创建随机数组，浮点数，范围[0,1)，均匀分布randn(d0,d1...,dn)  #根据d0-dn创建随机数数组，标准正态分布randint(low,high,shape)  #根据shape创建随机整数或整数数组，范围是[low,high)seed(s)  #随机数种子，s是给定的种子值

np.random的随机数函数（二）

shuffle(a)  #根据数组a的第1轴进行随机排列，会改变数组apermutation(a)  #根据数组a的第1轴产生一个新的乱序数组，不改变数组achoice(a,size,replace,p)  #从一维数组a中以概率p抽取元素，形成size形状的新数组，replace表示是否可以重用元素，默认为False

例子：

import numpy as npa= np.array([1,2,3])np.random.shuffle(a)aOut[10]: array([3, 1, 2])  #此时数组a已经发生变化#------分隔线------a= np.array([1,2,3])np.random.permutation(a)Out[13]: array([3, 1, 2])aOut[14]: array([1, 2, 3])  #原始数组a并没有变化#------分隔线------b=np.random.randint(100,200,(8,))bOut[22]: array([169, 144, 172, 168, 147, 128, 141, 165])np.random.choice(b,(3,2))Out[23]: array([[165, 141],       [165, 141],       [165, 165]])np.random.choice(b,(3,2),replace=False)Out[24]: array([[169, 128],       [165, 144],       [141, 147]])np.random.choice(b,(3,2),p=b/np.sum(b))Out[25]: array([[144, 128],       [128, 169],       [172, 128]])

np.random的随机数函数（三）

uniform(low,high,size)  #产生具有均匀分布的数组，low起始值，high结束值，size形状normal(loc,scale,size)  #产生具有正态分布的数组，loc均值，scale标准差，size形状possion(lan,size)  #产生具有泊松分布的数组，lam随机事件发生率，size形状

---

*参考资料：北京理工大学嵩天老师教学视频
*选择自己要走的路