python numpy 常用随机数的产生方法的实现
numpy 中 的random模块有多个函数用于生成不同类型的随机数，常见的有 uniform、rand、random、randint、random_interges
下面介绍一下各自的用法
1、np.random.uniform的用法
np.random.uniform(low=0.0, high=1.0, size=None)
作用：可以生成[low,high)中的随机数，可以是单个值，也可以是一维数组，也可以是多维数组
参数介绍：
- low :float型，或者是数组类型的，默认为0
- high:float型，或者是数组类型的，默认为1
- size:int型，或元组，默认为空
In[1]: import numpy as np
In[2]: np.random.uniform() # 默认为0到1
Out[2]: 0.827455693512018
In[3]: np.random.uniform(1,5)
Out[3]: 2.93533586182789
In[4]: np.random.uniform(1,5,4) #生成一维数组
Out[4]: array([ 3.18487512, 1.40233721, 3.17543152, 4.06933042])
In[5]: np.random.uniform(1,5,(4,3)) #生成4x3的数组
Out[5]:
array([[ 2.33083328, 1.592934 , 2.38072 ],
[ 1.07485686, 4.93224857, 1.42584919],
[ 3.2667912 , 4.57868281, 1.53218578],
[ 4.17965117, 3.63912616, 2.83516143]])
In[6]: np.random.uniform([1,5],[5,10])
Out[6]: array([ 2.74315143, 9.4701426 ])
2、np.random.random_sample的用法
和np.random.random作用一样
random_sample(size=None)
- 作用：返回[0,1)之间的浮点型随机数，通过size控制返回的形状
np.random.random_sample()
0.47108547995356098
type(np.random.random_sample())
<type 'float'>
np.random.random_sample((5,))
array([ 0.30220482, 0.86820401, 0.1654503 , 0.11659149, 0.54323428])
Three-by-two array of random numbers from [-5, 0):
5 * np.random.random_sample((3, 2)) - 5
array([[-3.99149989, -0.52338984],
[-2.99091858, -0.79479508],
[-1.23204345, -1.75224494]])
3、np.random.rand的用法
rand(d0, d1, …, dn)
作用：返回[0,1)内的浮点数，输入的d0,d1…dn代表维度信息，没有输入时，则返回[0,1)内的一个随机值
In[15]: np.random.rand()
Out[15]: 0.9027797355532956
In[16]:np.random.rand(3,3)
Out[16]:
array([[ 0.47507608, 0.64225621, 0.9926529 ],
[ 0.95028412, 0.18413813, 0.91879723],
[ 0.89995217, 0.42356103, 0.81312942]])
In[17]: np.random.rand(3,3,3)
Out[17]:
array([[[ 0.30295904, 0.76346848, 0.33125168],
[ 0.77845927, 0.75020602, 0.84670385],
[ 0.2329741 , 0.65962263, 0.93239286]],
[[ 0.24575304, 0.9019242 , 0.62390674],
[ 0.43663215, 0.93187574, 0.75302239],
[ 0.62658734, 0.01582182, 0.66478944]],
[[ 0.22152418, 0.51664503, 0.41196781],
[ 0.47723318, 0.19248885, 0.29699868],
[ 0.11664651, 0.66718804, 0.39836448]]])
4、np.random.randint的用法
randint(low, high=None, size=None, dtype='l')
作用：生成整型随机数，可以是单个随机数，也可以是多维的随机数构成的数组
参数介绍
- low：int 型，随机数的下限
- high：int 型，默认为空，随机数的上限，当此值为空时，函数生成[0,low)区间内的随机数
- size：int、或ints、或元组，指明生成的随机数的类型
- dtype:可选'int' ,'int32'，默认为'l'
In[7]: np.random.randint(4)
Out[7]: 1
In[8]: np.random.randint(4,size=4)
Out[8]: array([2, 2, 2, 0])
In[9]: np.random.randint(4,10,size=6)
Out[9]: array([7, 9, 7, 8, 6, 9])
np.random.randint(4,10,size=(2,2),dtype='int32')
Out[10]:
array([[7, 4],
[6, 9]])
5、np.random.random_integers的用法
random_integers(low, high=None, size=None)
和randint的用法较为相似,区别在于[low,high]
的右边界能够取到，且改函数即将被抛弃，可以使用
np.random.randint(low,high+1)进行代替
总结：随机数可以分为两大类，一类是浮点型的，常以np.random.uniform为代表，np.random.rand,np.random.radnom和np.random.random_simple可以看作是np.random.uniform的特例；另一类是整数型的，以np.random.randint为代表，也有np.random.random_integers 但是后者将被前者取代
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。
相关文章
使用Python中的greenlet包实现并发编程的入门教程
这篇文章主要介绍了使用Python中的greenlet包实现并发编程的入门教程,Python由于GIL的存在并不能实现真正的多线程并发,greenlet可以做到一个相对的替换方案,需要的朋友可以参考下2015-04-04
在这篇文章中我们将进一步深入学习Requests库的高级功能,包括处理重定向,设置超时,处理大文件以及错误和异常处理,需要的朋友可以参考下2023-08-08
这篇文章主要为大家详细介绍了Python中判断当前操作系统的三种方法,主要是os.name,sys.platform和platform.system(),下面小编就来和大家详细讲讲具体操作吧2025-05-05
Matplotlib是Python的绘图库，它能让使用者很轻松地将数据图形化，并且提供多样化的输出格式。本文将为大家介绍如何用matplotlib绘制灰度和彩色直方图，感兴趣的朋友可以学习一下2021-12-12
Python使用itchat模块实现群聊转发，自动回复功能示例
这篇文章主要介绍了Python使用itchat模块实现群聊转发，自动回复功能,结合实例形式分析了Python基于itchat模块针对微信信息的发送、回复等相关操作技巧,需要的朋友可以参考下2019-08-08
这篇文章主要介绍了numpy使用技巧之数组过滤实例代码，分享了相关代码示例，小编觉得还是挺不错的，具有一定借鉴价值，需要的朋友可以参考下2018-02-02
Python 内置函数memoryview(obj)的具体用法
本篇文章主要介绍了Python 内置函数memoryview(obj)的具体用法，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2017-11-11
这篇文章主要介绍了scipy.interpolate插值方法介绍,本文结合实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2022-12-12
这篇文章主要介绍了python中常用的8种经典数据结构,包括原生数据结构,NumPy包中的数据结构,以及Pandas包中的数据结构,需要的朋友可以参考下2023-03-03
Python是一种广泛使用的高级编程语言,以其简洁易读的语法和强大的库支持而著称,这篇文章主要介绍了安装Python 3.13.1的多种方式,文中通过代码介绍的非常详细,需要的朋友可以参考下2025-07-07
最新评论