转---Python——numpy　random类

numpy中利用random类获取随机数．

numpy.random.random()　生成随机浮点数
默认为生成一个随机的浮点数，范围是在0.0~1.0之间，也可以通过参数size设置返回数据的size;

生成一个随机的浮点数:

import numpy
n = numpy.random.random()
print n
1
2
3
输出：

0.429489486421
1
设置参数size:

import numpy
n = numpy.random.random(size=(3, 2))
print n
1
2
3
输出：

[[ 0.32018625  0.22410508]
 [ 0.57830333  0.74477335]
 [ 0.08333105  0.48533304]]
1
2
3
numpy.random.randint()　产生随机整数
API: randint(low, high=None, size=None, dtype=’l’)
numpy.random.randint()随机生一个整数int类型，可以指定这个整数的范围

import numpy as np
print np.random.randint(8)
print np.random.randint(5, size=3)
print np.random.randint(6, size=(3,2))
1
2
3
4
输出：

4
[1 1 3]
[[2 4]
 [5 4]
 [3 0]]
1
2
3
4
5
指定范围：

import numpy as np
print np.random.randint(low=5, high=10, size=3)
1
2
输出：

[7 5 5]
1
numpy.random.normal() 　高斯分布随机数
API: normal(loc=0.0, scale=1.0, size=None)
loc：均值，scale：标准差，size：抽取样本的size

import numpy
n = numpy.random.normal(loc=0.0, scale=1, size=(2, 3))
print n
1
2
3
输出：

[[-0.15040995 -0.43780718 -0.22292445]
 [-0.89388124 -0.39465164  0.24113838]]
1
2
numpy.random.randn()　标准正态分布随机数
numpy.random.randn(d0, d1, …, dn)函数：
从标准正态分布中返回一个(d0*d1* …* dn)维样本值

例1：

import numpy as np
print np.random.randn(4, 2)
1
2
输出：

[[-1.88753851 -2.54412195]
 [ 0.51856343 -1.07733711]
 [ 1.05820592 -0.23889217]
 [ 0.73309062  0.42152066]]
1
2
3
4
例2：

import numpy as np
print np.random.randn(4, 2, 3)
1
2
输出：

[[[-1.00477835  1.16919912 -1.28299362]
  [ 0.0645336   0.19143397 -0.16957401]]

 [[-1.45250491 -0.51844037 -0.01241654]
  [ 0.41427599  0.19469926 -0.92450654]]

 [[-1.90133606  1.23554382 -1.37775698]
  [-0.98110245  0.3562373  -0.27816068]]

 [[ 1.0380202   0.24293181  0.5341542 ]
  [-0.62945999  1.62233629 -0.07299065]]]
1
2
3
4
5
6
7
8
9
10
11
numpy.random.rand()　生成[0, 1)间随机数
numpy.random.rand(d0, d1, …, dn)函数：
生成一个(d0*d1* …* dn)维位于[0, 1)中随机样本

例：

import numpy as np
print np.random.rand(2,3)
1
2
输出：

[[ 0.06112299  0.02476706  0.04235452]
 [ 0.47891264  0.68831817  0.31309659]]
1
2
numpy.random.shuffle()　随机打乱序列
numpy.random.shuffle() 将序列的所有元素随机排序
<传入参数可以是一个序列或者元组>

import numpy as np
x = range(0, 8, 1)
print x
np.random.shuffle(x)
print x
1
2
3
4
5
输出：

[0, 1, 2, 3, 4, 5, 6, 7]

[2, 3, 5, 4, 1, 7, 0, 6]
1
2
3
numpy.random.choice()　随机选取序列的一个元素
numpy.random.choice()可以从序列(字符串、列表、元组等)中随机选取，返回一个列表，元组或字符串的随机项。

import numpy as np
print np.random.choice(['a','b','c','d','e'])
1
2
输出：

c
1
print np.random.choice(5, 6)
1
输出（6个小于5的元素）：

[2 3 3 3 1 2]
1
p:每个条目出现的概率。如果没有，假设样本在A中的所有条目都具有均匀分布。

import numpy as np
print np.random.choice(5, 3, p=[0.1, 0, 0.3, 0.6, 0])
1
2
（p=[0.1, 0, 0.3, 0.6, 0]即出现0　1　2　3　4的概率分别是[0.1, 0, 0.3, 0.6, 0]）

输出：

[0 3 2]
1
import numpy as np
ss = ['pooh', 'rabbit', 'piglet', 'Christopher']
print np.random.choice(ss, 5, p=[0.5, 0.1, 0.1, 0.3])
1
2
3
输出：

['Christopher' 'piglet' 'pooh' 'piglet' 'Christopher']
1
numpy.random.binomial()　二项分布采样
numpy.random.RandomState.binomial(n, p, size=None)表示对一个二项分布进行采样,s为成功次数
 P(N)=CsnPs(1?P)n?s
size:采样的次数,n p即式中的n p;函数的返回值表示n中发生/成功的次数s.
如：当n=5,p=0.2,size=1000，即5个事件每个发生的概率为0.2，则5个同时发生的概率，采样size=1000次：

 P(p=0.2)=C55p5(1?p)0=0.32
import numpy as np
print sum(np.random.binomial(5, 0.2, size=10000)==0)/10000.
1
2
可得：

0.3246
1
很接近手动计算结果．

numpy.random.RandomState()　指定种子值
numpy.random.RandomState()指定种子值（指定种子值是为了使同样的条件下每次产生的随机数一样，避免程序调试时由随机数不同而引起的问题）
如不设置种子值时,np.random.randint(8)可能产生0-7内的任意整数，且每次产生的数字可能是任意一种．
而设置种子值后,np.random.RandomState(0).randint(8)可能产生0-7内的任意整数，但种子值不变时每次运行程序产生的数字一样．

产生随机整数：

import numpy as np
print np.random.RandomState(0).randint(8)
1
2
输出：

4
1
生成随机浮点数：

import numpy
n1 = numpy.random.RandomState(0).random_sample()
n2 = numpy.random.RandomState(0).random_sample(size=(2,3))
print n1,n2
1
2
3
4
输出：

0.548813503927
[[ 0.5488135   0.71518937  0.60276338]
 [ 0.54488318  0.4236548   0.64589411]]

原文地址：https://www.cnblogs.com/Frank99/p/9552471.html