Python常用numpy与random随机数的产生

参考链接： Python中的numpy.random.rand

一、Python内建库random的使用 

import random

产生1个n~m范围内的int型随机数: random.randint(n,m) 

random.randint(1,5)

产生1个n~m之间的float型随机数: random.uniform(n, m) 

random.uniform(n, m)

产生1个0~1之间的float型随机数: random.random() 

random.random()

产生1个从n~m间隔为k的int型整数: random.randrange(n,m,k) 

random.randrange(n,m,k)

从序列中随机选取1个元素: random.choice(list) 

random.choice([1, 2, 3.4, 4.2, 5.6, 6])

列表乱序操作: random.shuffle(list)；注：该函数无返回值，直接对原列表进行了修改 

a = [1,3,5,6,7]

# 或 a = np.array([1,3,5,6,7])

random.shuffle(a)

二、Numpy产生随机数array 

import numpy as np

 【0~1均匀分布float向量或数组】: 产生n个0-1之间的随机数: np.random.random(n) 

np.random.random(n)

 还有一种功能相同的方式是: np.random.rand(d1,d2,d3,...,dn) 

np.random.rand(2,3,5)

如产生一个2×3×5维的0~1之间均匀分布的随机数数组如下  random和rand的算法完全相同，仅在于传参方式不同，之所以设定rand可能是由于历史原因和matlab有关，详细参考stackoverflow解答。 

 【n-m均匀分布int向量or数组】：产生n~m之间的个int型随机数数组：np.random.randint(n,m,size=d) 

np.random.randint(n,m,size=d)

np.random.randint(n,m,size=(d1,d2,...))

 【

         N

         (

         0

         ,

         1

         )

        N(0, 1)

     N(0,1)正态分布float数组】： 产生N维服从

          N

          (

          0

          ,

          1

          )

          的

         N(0, 1)的

      N(0,1)的正态分布的随机数: np.random.randn(d1,d2,...,dn) 

np.random.randn(2,3,4)

如产生一个2×3×4维的服从

        N

        (

        0

        ,

        1

        )

        的

       N(0, 1)的

    N(0,1)的正态分布的随机数数组如下，我们可以看到只有少量在[-1,1]之外的随机数： 

 【随机抽取】：np.random.choice(list_or_array, size=None, replace=True, p=None) 

这个choice的功能相比python内建的choice功能更强大，可以自定义每个元素被抽取概率以及是否有放回抽取 

size：数组或列表的大小，1维填整数，多维填(d1,d2,....)replace：是否是有放回抽取，True表示有，则可能多次抽取到重复值，False则不会抽取到重复值p：列表或数组每个元素被抽取的概率prob，填写方式p=[p1,p2,…]，保证总概率=1即可 

numpy.random.choice(a, size=None, replace=True, p=None)

【参考文献】： [1] https://blog.csdn.net/zq476668643/article/details/95219453. [2] Stackoverflow解答.