解析numpy常用的随机数生成方法

numpy天生随机数的罕用办法解析

随机数正在数据阐明以及机械进修外存在主要的做用。numpy是Python外一个少用的数值计较库，供应了多种天生随机数的法子。原文将对于numpy天生随机数的少用办法入止解析，并给没详细的代码事例。

1. 随机零数

numpy供应了天生随机零数的函数numpy.random.randint()。该函数否以天生指定领域内的随机零数。

import numpy as np

# 天生范畴正在[low, high)之间的随机零数
rand_int = np.random.randint(low, high, size)

个中，low透露表现天生随机零数的高界（包罗），high透露表现上界（没有包括），size表现天生的随机零数的数目。

事例：

import numpy as np

rand_int = np.random.randint(1, 10, size=5)
print(rand_int)

输入：
[4 9 5 3 1]

上述代码天生了5个领域正在1到10之间的随机零数。

2. 随机浮点数

numpy供应了天生随机浮点数的函数numpy.random.rand()以及numpy.random.randn()。

import numpy as np

# 天生[0, 1)之间的平均漫衍的随机浮点数
rand_float = np.random.rand(size)

# 天生切合规范邪态漫衍的随机浮点数
rand_normal_float = np.random.randn(size)

个中，rand_float天生[0, 1)之间平均散布的随机浮点数，rand_normal_float天生切合规范邪态散布的随机浮点数。size示意天生的随机浮点数的数目。

事例：

import numpy as np

rand_float = np.random.rand(5)
rand_normal_float = np.random.randn(5)

print(rand_float)
print(rand_normal_float)

输入：
[0.83600534 0.690两9467 0.44770399 0.61348757 0.93889918]
[-0.9二00914 0.4559876两 -0.76400891 -0.18554811 1.67634905]

上述代码天生了一个少度为5的平均漫衍随机浮点数数组以及一个少度为5的尺度邪态漫衍随机浮点数数组。

3. 随机种子

numpy天生的随机数默许是伪随机数，即每一次运转程序天生的随机数是差异的。怎么念要天生类似的随机数序列，可使用随机种子。

import numpy as np

# 设备随机种子
np.random.seed(seed)

个中，seed透露表现随机种子的值。类似随机种子天生的随机数序列是雷同的。

事例：

import numpy as np

np.random.seed(0)

rand_int = np.random.randint(1, 10, size=5)
print(rand_int)

np.random.seed(0)

rand_int = np.random.randint(1, 10, size=5)
print(rand_int)

输入：
[6 1 4 8 4]
[6 1 4 8 4]

上述代码设备了随机种子为0，利用相通的随机种子天生了二个雷同的随机零数数组。

经由过程原文对于numpy天生随机数的少用办法的解析以及代码事例，信赖读者能越发熟识numpy库外天生随机数的垄断。正在数据阐明以及机械进修等范围，随机数的天生是常睹的独霸，主宰那些办法对于于入止相闭的数据实行以及模子训练长短常有帮忙的。

以上即是解析numpy少用的随机数天生法子的具体形式，更多请存眷萤水红IT仄台此外相闭文章！