NumPy随机数生成函数的多种实现方法

NumPy 的 numpy.random 模块提供了丰富的随机数生成函数，覆盖基础随机数组、概率分布抽样和随机排列等功能。以下是常用函数的详细解析：

一、基础随机数生成函数

1.np.random.rand(d0, d1, ..., dn)

• 功能：生成 [0, 1) 均匀分布的随机浮点数数组
• 参数：d0, d1... 为数组维度（整数）
• 示例：

  np.random.rand(2, 3)  # 生成 2行3列的随机数组
  # 输出：array([[0.12, 0.34, 0.56], [0.78, 0.90, 0.23]])
  

2.np.random.randn(d0, d1, ..., dn)

• 功能：生成符合标准正态分布（μ=0, σ=1）的随机数
• 参数：同 rand()
• 示例：

  np.random.randn(2)  # 生成2个标准正态分布随机数
  # 输出：array([-0.45, 1.23])
  

3.np.random.randint(low, high=None, size=None, dtype=int)

• 功能：生成 [low, high) 区间的整数随机数
• 参数：
  • low：下限（包含）
  • high：上限（不包含，若未提供则从0开始）
  • size：输出形状
• 示例：

  np.random.randint(1, 10, size=(3,))  # 生成3个1-9的整数
  # 输出：array([5, 2, 8])
  

4.np.random.random(size=None)

• 功能：生成 [0.0, 1.0) 均匀分布的随机浮点数（单个数或数组）
• 示例：

  np.random.random((2,2))  # 2x2随机矩阵
  # 输出：array([[0.45, 0.78], [0.12, 0.90]])
  

二、概率分布抽样函数

1.np.random.uniform(low=0.0, high=1.0, size=None)

• 功能：生成指定区间 [low, high) 的均匀分布随机数
• 示例：

  np.random.uniform(-1, 1, size=3)  # 3个[-1,1)的均匀分布数
  # 输出：array([-0.23, 0.56, -0.89])
  

2.np.random.normal(loc=0.0, scale=1.0, size=None)

• 功能：生成指定均值（loc）和标准差（scale）的正态分布
• 示例：

  np.random.normal(loc=5, scale=2, size=2)  # N(5, 2²)的2个样本
  # 输出：array([4.89, 6.12])
  

3.np.random.binomial(n, p, size=None)

• 功能：生成二项分布（n次试验，成功概率p）的随机数
• 示例：

  np.random.binomial(n=10, p=0.5, size=3)  # 3次10重伯努利试验的成功次数
  # 输出：array([5, 7, 4])
  

4.np.random.poisson(lam=1.0, size=None)

• 功能：生成泊松分布（λ=lam）的随机数
• 示例：

  np.random.poisson(lam=3, size=4)  # λ=3的4个泊松样本
  # 输出：array([2, 4, 3, 5])
  

三、随机抽样与排列

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

• 功能：从序列 a 中随机抽样
• 参数：
  • replace：是否允许重复抽样（默认True）
  • p：各元素抽样概率（需与a长度相同）
• 示例：

  np.random.choice([1,2,3,4], size=3, p=[0.1,0.2,0.3,0.4])
  # 按概率抽样3个元素，输出：array([3,4,4])
  

2.np.random.shuffle(x)

• 功能：原地打乱数组x（修改原数组）
• 示例：

  arr = np.array([1,2,3,4])
  np.random.shuffle(arr)  # arr变为 [3,1,4,2]
  

3.np.random.permutation(x)

• 功能：生成数组x的随机排列（不修改原数组）
• 示例：

  np.random.permutation([1,2,3,4])  # 输出：array([2,4,1,3])
  

四、随机种子设置

np.random.seed(42)  # 设置随机种子，保证结果可复现
np.random.rand(2)   # 每次运行结果相同：array([0.37, 0.95])

关键区别总结

到此这篇关于NumPy随机数生成函数的多种实现方法的文章就介绍到这了,更多相关NumPy随机数生成函数内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

最新评论