Python NumPy 生成随机数的方法及示例

NumPy 是一个强大的库,用于数值计算,包括生成各种随机数。可以使用random.rand()、random.randn()、random.randint()、random.uniform()、random.normal()和random.seed()函数方法生成随机数。本文介绍生成随机数的方法,以及相关的示例代码。

1、numpy.random.rand()

numpy.random.rand(d0,d1,..dn) 用于生成指定形状的均匀分布的随机样本,样本值位于[0, 1)之间。

例如,

import numpy as np

# 生成一个形状为(2, 3)的随机数组
rand_array = np.random.rand(2, 3)
print(rand_array)

2、numpy.random.randn()

numpy.random.randn(d0,d1,..dn)用于生成指定形状的标准正态分布(均值为0,标准差为1)的随机样本。

例如,

import numpy as np

# 生成一个形状为(2, 3)的标准正态分布的随机数组
randn_array = np.random.randn(2, 3)
print(randn_array)

3、numpy.random.randint()

numpy.random.randint(low,high,(shape))用于生成指定范围内的整数随机样本,可以指定最小值(包括)和最大值(不包括)。

例如,

import numpy as np

# 生成一个范围在[0, 10)内的整数随机数
rand_int = np.random.randint(0, 10)
print(rand_int)

4、numpy.random.uniform()

numpy.random.uniform(low,high,(size))用于生成指定范围内的均匀分布的随机样本。

import numpy as np

# 生成一个范围在[1.0, 2.0)内的均匀分布的随机数
rand_uniform = np.random.uniform(1.0, 2.0)
print(rand_uniform)

5、numpy.random.normal()

numpy.random.normal() 用于生成指定均值和标准差的正态分布的随机样本。

例如,

import numpy as np

# 生成一个均值为0,标准差为1的正态分布的随机数
rand_normal = np.random.normal(0, 1)
print(rand_normal)

6、numpy.random.seed()

numpy.random.seed() 用于设置随机数生成器的种子,以确保生成的随机数是可重现的。种子值可以是任意整数。

例如,

import numpy as np

# 设置随机数生成器的种子为21
np.random.seed(21)

# 生成随机数
rand_num = np.random.rand()
print(rand_num)

推荐阅读
cjavapy编程之路首页