使用Numpy中的random模块中常用函数的使用方法

实验目的
熟练掌握Numpy的random模块中常用函数的使用方法

实验原理
random中常用函数及其说明：

numpy.random.rand(d0, d1, …, dn)：创建一个给定形状的，值从0-1均匀分布中随机抽取的浮点数组，其中d0, d1, …, dn为数组的维数，若参数为空时，返回一个0到1之间的浮点数。

numpy.random.randn(d0, d1, …, dn)：创建一个给定形状的，值从标准正态分布(μ=0，σ=1)中随机抽取的浮点数组，其中d0, d1, …, dn为数组的维数，若参数为空时，返回一个该正态分布上的随机浮点数。

numpy.random.standard_normal(size=None)：生产一个浮点数或N维浮点数组，取数范围：标准正态分布随机样本

numpy.random.randint(low, high=None, size=None, dtype=‘l’)：生成一个整数或N维整数数组，取数范围：若high不为None时，取[low,high)之间随机整数，否则取值[0,low)之间随机整数。

numpy.random.random_integers(low, high=None, size=None)：生成一个整数或一个N维整数数组，取值范围：若high不为None，则取[low,high]之间随机整数，否则取[1,low]之间随机整数。

numpy.random.random_sample(size=None)：生成一个[0,1)之间随机浮点数或N维浮点数组。

numpy.random.choice(a, size=None, replace=True, p=None)：从序列中获取元素，若a为整数，元素取值为np.range(a)中随机数；若a为数组，取值为a数组元素中随机元素。

numpy.random.shuffle(x)：对X进行重排序，如果X为多维数组，只沿第一条轴洗牌，输出为None。

numpy.random.permutation(x)：与numpy.random.shuffle(x)函数功能相同，两者区别：permutation(x)不会修改X的顺序。

numpy.random.normal(loc=0.0, scale=1.0, size=None)：生成一个标量或多维数组，取值范围：从高斯分布中随机抽取数值。loc：为方差，scale：为标准差，size：数组的形状。

numpy.random.uniform(low=0.0, high=1.0, size=None)：生成一个标量或多维数组，取值范围：从p(x)=1/(high-low)的均匀分布中随机抽取数值。
low：浮点数或浮点型数组，为输出间隔的下界，high：浮点数或浮点型数组，为输出间隔的上界，size：整型或元组，数组的形状。

numpy.random.binomial(n, p, size=None)：二项分布采样，size:采样的次数，n为成功的次数，p：成功的概率

numpy.random.seed()

• np.random.seed()的作用：使得随机数据可预测。
• 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

实验内容
练习 numpy.random中常用函数的使用.

实验环境

Python 3.6
Jupyter

实验代码

1.使用numpy.random.rand()函数，创建一个1-0之间的随机浮点数

import numpy as np

np.random.rand()

0.9973438588424713

2.使用numpy.random.rand()函数，创建一个大小为5的一维随机浮点数组

np.random.rand(5)

array([0.97524436, 0.4958107 , 0.82614772, 0.56731404, 0.45002964])

3.使用numpy.random.rand()函数，创建一个3行4列的二维随机浮点数组

np.random.rand(3,4)

array([[0.69396222, 0.91919737, 0.68783588, 0.08711667],
       [0.35295943, 0.64582403, 0.01180912, 0.25224169],
       [0.96500808, 0.13655116, 0.62489743, 0.91029325]])

4.使用numpy.random.randn函数，创建一个正态分布中的随机浮点数（不一定是（0-1）之间的随机数）

np.random.randn()

-0.5147385179517995

5.使用numpy.random.randn() 函数，生成形状为5的值从标准正态分布（μ=0，σ=1）中随机抽取的一维浮点数组。

np.random.randn(5)

array([ 0.03126489, -0.96728699,  1.64621661, -0.64129089,  0.55649746])

6.使用numpy.random.randn()函数，创建一个2行3列的值从标准正态分布（μ=0，σ=1）中随机抽取的二维浮点数组

np.random.randn(2,3)

array([[-1.21234908, -0.17320489,  0.32503713],
       [-0.40420385, -1.87416492,  2.75135187]])

7.使用numpy.random.standard_normal()函数，创建一个正态分布中的随机浮点数

np.random.standard_normal(size=None)

0.04295874186662941

8.使用np.randoml.standard_normal()函数，生成形状为3的值从标准正态分布（μ=0，σ=1）中随机抽取的一维浮点数组

np.random.standard_normal(size=3)

array([-0.47257812,  0.47061943, -2.30218443])

9.使用np.random.standard_normal()函数，创建一个3行3列的值从标准正态分布（μ=0，σ=1）中随机抽取的二维浮点数组

np.random.standard_normal((2,3))

array([[ 0.6761525 ,  0.39931226, -0.77434411],
       [-1.16939317,  0.22153849, -0.14662393]])

10.使用np.random.randint()函数，生成一个0-2之间的随机整数，设置数字类型参数dtype=int32

np.random.randint(2,dtype=np.int32)

1

11.使用np.random.randint()函数，生成形状为5的值从0-2随机抽取整数构成的一维数组

np.random.randint(2,size=5)

array([1, 1, 0, 1, 0])

12使用np.random.randint()函数，生成形状为5的值从2-6随机抽取整数构成的一维数组

np.random.randint(2,6,size=5)

array([3, 3, 2, 5, 5])

13.使用np.random.randint()函数，生成形状为2行3列，值为2-6中随机整数的二维数组

np.random.randint(2,6,size=(2,3))

array([[3, 3, 2],
       [5, 5, 3]])

14.使用np.random.random_integers()函数，生成一个1-2之间的随机整数

np.random.random_integers(2)

<ipython-input-25-f05d5acc4756>:1: DeprecationWarning: This function is deprecated. Please call randint(1, 2 + 1) instead
  np.random.random_integers(2)





2

15.使用np.random.random_integers()函数生成一个2-6之间的随机整数

np.random.random_integers(2,6)

<ipython-input-26-a0786e1a1811>:1: DeprecationWarning: This function is deprecated. Please call randint(2, 6 + 1) instead
  np.random.random_integers(2,6)





2

16.使用np.random.random_integers()函数，生成长度为5的，值为1-2之间的随机整数构成的一维数组

np.random.random_integers(1,2,size=5)

<ipython-input-27-29059a9d3244>:1: DeprecationWarning: This function is deprecated. Please call randint(1, 2 + 1) instead
  np.random.random_integers(1,2,size=5)





array([2, 1, 2, 2, 1])

17.使用np.random.random_integers()函数生成长度为5，值为2-6之间的随机整数构成的一维数组

np.random.random_integers(2,6,size=5)

<ipython-input-28-400d32483018>:1: DeprecationWarning: This function is deprecated. Please call randint(2, 6 + 1) instead
  np.random.random_integers(2,6,size=5)





array([6, 2, 6, 6, 5])

18.使用np.random.random_integers()函数，生成形状为2行3列，值为1-2之间随机整数构成的二维数组

np.random.random_integers(1,2,size=(2,3))

<ipython-input-29-b2595db9c335>:1: DeprecationWarning: This function is deprecated. Please call randint(1, 2 + 1) instead
  np.random.random_integers(1,2,size=(2,3))





array([[2, 1, 2],
       [2, 1, 1]])

19.使用np.random.random_integers()函数生成形状2行3列，值为2-7之间随机整数构成的二维数组

np.random.random_integers(2,7,size=(2,3))

<ipython-input-30-587392619563>:1: DeprecationWarning: This function is deprecated. Please call randint(2, 7 + 1) instead
  np.random.random_integers(2,7,size=(2,3))





array([[3, 7, 3],
       [3, 4, 7]])

20.使用np.random.random_sample(size=None)函数，生成一个0-1之间随机浮点数

np.random.random_sample()

0.8835925540780203

21.使用np.random.random_sample()函数，生成长度为2，取值0-1之间的随机浮点数构成的一维数组

np.random.random_sample(2)

array([0.5810885 , 0.58488464])

np.random.random_sample(2,)

array([0.58186985, 0.20988911])

22.使用np.random.random_sample()函数,生成值由0-1之间的浮点数构成的2行3列的二维数组

np.random.random_sample((2,3))

array([[0.47763331, 0.97360871, 0.57307313],
       [0.6426809 , 0.06443445, 0.73485938]])

23.使用np.random.random_sample()函数，生成0-1之间的随机浮点数构成的322的三维数组

np.random.random_sample((3,2,2))

array([[[0.4088975 , 0.22270118],
        [0.82097827, 0.88908927]],

       [[0.96302056, 0.89805219],
        [0.55863401, 0.70950632]],

       [[0.66071754, 0.98621104],
        [0.22320362, 0.10105085]]])

24.使用numpy.random.choice()函数，生成一个range(2)中的随机数

np.random.choice(2)  

0

25.使用numpy.random.choice()函数，生成一个shape=2，值由range(2)中随机数构成的一维数组。

np.random.choice(2,2)  

array([1, 1])

26.使用numpy.random.choice()函数，生成值由range(5)中随机数构成的3行2列的二维数组。

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

array([[2, 4],
       [3, 2],
       [2, 1]])

27.使用numpy.random.choice()函数，生成一个np.array([‘a’,‘b’,‘c’,‘f’]中随机元素

np.random.choice(np.array(['a','b','c','f']))  

28.使用numpy.random.shuffle(x)：对X进行重排序，如果X为多维数组，只沿第一条轴洗牌，输出为None

arr = np.arange(9).reshape(3,3)    
arr  

array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])

np.random.shuffle(arr)  
arr  

array([[6, 7, 8],
       [3, 4, 5],
       [0, 1, 2]])

29.使用numpy.random.permutation()：与numpy.random.shuffle()函数功能相同，两者区别：permutation(x)不会修改X的顺序。

arr = np.arange(9)    
np.random.permutation(arr)

array([6, 5, 2, 8, 7, 3, 0, 4, 1])

30…使用numpy.random.permutation()函数，对数组进行重新排序，对于多维数组，只会沿着第一条轴打乱顺序 ，即按行打乱行序。

arr2 = np.arange(9).reshape(3,3)    
np.random.permutation(arr2)  

array([[3, 4, 5],
       [0, 1, 2],
       [6, 7, 8]])

31.使用 numpy.random.normal()函数，从均值为0，标准差为1的高斯分布中随机抽取10个数，构建一个一维数组

np.random.normal(loc=0,scale=1,size=10)  

array([-0.22914193, -0.30778216,  0.56903861,  2.2541222 , -0.19589127,
        0.71526051,  0.43967649, -0.92584041, -0.10364788, -0.32458269])

32.使用np.random.uniform()函数，从下界为-1，上界为0的均匀分布中随机抽取6个数，构建一个3行2列的二维数组。

np.random.uniform(-1,0,(3,2)) 

array([[-0.04324442, -0.1794637 ],
       [-0.9687359 , -0.49210078],
       [-0.06421859, -0.32412507]])

33.使用np.random.binomial()函数，从成功次数n=10，成功概率p=0.5的二项分布中随机抽取10个数，构建一个一维数组。

np.random.binomial(n=10, p=0.5, size=10)

array([6, 7, 6, 5, 3, 8, 4, 5, 7, 4])

最后

以上就是复杂盼望为你收集整理的使用Numpy中的random模块中常用函数的使用方法的全部内容，希望文章能够帮你解决使用Numpy中的random模块中常用函数的使用方法所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。