泰恩数据1. numpy.random.rand()
numpy.random.rand(d0,d1,...,dn)
- rand 函数根据给定维度生成[0,1)之间的数据
- dn 为生成数据的在每个维度上有几个值
np.random.rand(4,2)
array([[ 0.02173903, 0.44376568],
[ 0.25309942, 0.85259262],
[ 0.56465709, 0.95135013],
[ 0.14145746, 0.55389458]])2. numpy.random.randn()
numpy.random.randn(d0,d1,...,dn)
- 返回一个或一组样本，具有标准的正态分布
- dn 的意义同上
np.random.randn(2,4)
array([[ 0.27795239, -2.57882503, 0.3817649 , 1.42367345],
[-1.16724625, -0.22408299, 0.63006614, -0.41714538]])3. numpy.random.randint()
numpy.random.randint(low,high=None, size=None, dtype='l')
- 返回随机整数，范围是[low, high), 包含low, 不包含high
- low 是最小值，high 是最大值，size为数组维度大小，dtype为数据类型
- high 没有填写时，默认生成的随机数的范围是[0,low)
np.random.randint(-5,5,size=(2,2))
array([[ 2, -1],
[ 2, 0]])4. 生成[0,1)之间的浮点数
使用以下几个函数
numpy.random.random_sample(size=None)
numpy.random.random(size=None)
numpy.random.ranf(size=None)
numpy.random.sample(size=None)
print('-----------random_sample--------------')
print(np.random.random_sample(size=(2,2)))
print('-----------random--------------')
print(np.random.random(size=(2,2)))
print('-----------ranf--------------')
print(np.random.ranf(size=(2,2)))
print('-----------sample--------------')
print(np.random.sample(size=(2,2)))
-----------random_sample--------------
[[ 0.34966859 0.85655008]
[ 0.16045328 0.87908218]]
-----------random--------------
[[ 0.25303772 0.45417512]
[ 0.76053763 0.12454433]]
-----------ranf--------------
[[ 0.0379055 0.51288667]
[ 0.71819639 0.97292903]]
-----------sample--------------
[[ 0.59942807 0.80211491]
[ 0.36233939 0.12607092]]5. numpy.random.choice()
numpy.random.choice(a,size=None, replace=True,p=None)
- 从给定的一维数组中生成随机数
- a 为一维数组类似数据或整数；size为数组维度；p为数组中的数据出现的概率
np.random.choice(5,3)
array([4, 1, 4])
np.random.choice(5, 3, replace=False)
# 当replace为False时，生成的随机数不能有重复的数值
array([0, 3, 1])
np.random.choice(5,size=(3,2))
array([[1, 0],
[4, 2],
[3, 3]])6. numpy.random.seed()
- 使得随机数可预测
- 当我们设置相同的seed，每次生成的随机数相同。如果不设置seed，则每次会生成不同的随机数
np.random.seed(0)
np.random.rand(5)
array([ 0.5488135 , 0.71518937, 0.60276338, 0.54488318, 0.4236548 ])7. numpy.random.binomial()函数
- 可以根据一定高概率返回指定值，如np.random.binomial(1,0.7)可以按0.7概率返回1。
import numpy as np
total = 100000
w= [np.random.binomial(1,0.7) for _ in range(0,total)]
print(w.count(1)/total)
