Python常用numpy与random随机数的产生

一、Python内建库random的使用

import random

• 产生1个n~m范围内的int型随机数: random.randint(n,m)

random.randint(1,5)

• 产生1个n~m之间的float型随机数: random.uniform(n, m)

random.uniform(n, m)

• 产生1个0~1之间的float型随机数: random.random()

random.random()

• 产生1个从n~m间隔为k的int型整数: random.randrange(n,m,k)

random.randrange(n,m,k)

• 从序列中随机选取1个元素: random.choice(list)

random.choice([1, 2, 3.4, 4.2, 5.6, 6])

• 列表乱序操作: random.shuffle(list)；注：该函数无返回值，直接对原列表进行了修改

a = [1,3,5,6,7]
# 或 a = np.array([1,3,5,6,7])
random.shuffle(a)

二、Numpy产生随机数array

import numpy as np

【0~1均匀分布float向量或数组】: 产生n个0-1之间的随机数: np.random.random(n)

np.random.random(n)

还有一种功能相同的方式是: np.random.rand(d1,d2,d3,...,dn)

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

如产生一个2×3×5维的0~1之间均匀分布的随机数数组如下

random和rand的算法完全相同，仅在于传参方式不同，之所以设定rand可能是由于历史原因和matlab有关，详细参考stackoverflow解答。

【n-m均匀分布int向量or数组】：产生n~m之间的个int型随机数数组：np.random.randint(n,m,size=d)

np.random.randint(n,m,size=d)
np.random.randint(n,m,size=(d1,d2,...))

【$N(0,1)$正态分布float数组】： 产生N维服从$N(0,1)的$正态分布的随机数: np.random.randn(d1,d2,...,dn)

np.random.randn(2,3,4)

如产生一个2×3×4维的服从$N(0,1)的$正态分布的随机数数组如下，我们可以看到只有少量在[-1,1]之外的随机数：

【随机抽取】：np.random.choice(list_or_array, size=None, replace=True, p=None)

这个choice的功能相比python内建的choice功能更强大，可以自定义每个元素被抽取概率以及是否有放回抽取

• size：数组或列表的大小，1维填整数，多维填(d1,d2,....)
• replace：是否是有放回抽取，True表示有，则可能多次抽取到重复值，False则不会抽取到重复值
• p：列表或数组每个元素被抽取的概率prob，填写方式p=[p1,p2,…]，保证总概率=1即可

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

【参考文献】：
[1] https://blog.csdn.net/zq476668643/article/details/95219453.
[2] Stackoverflow解答.