标签：random mic random模块 正态分布 nbsp range 测试结果 生成 style
numpy.random模块对Python内置的random进行了补充，增加了一些用于高效生成多种概率分布的样本值的函数。如可以用normal来得到一个标准正态分布的4*4的样本数组：
In [1]: import numpy as np In [2]: samples=np.random.sample(size=(4,4)) In [3]: samples Out[3]: array([[0.28705967, 0.44072192, 0.9762484 , 0.13830485], [0.74047263, 0.97749408, 0.69630957, 0.29841462], [0.54948539, 0.39314335, 0.75565134, 0.02123291], [0.46449012, 0.21270412, 0.04491115, 0.1163004 ]])
而Python内置的random模块则只能一次生成一个样本值。从下面的测试结果可以看到，如果需要产生大量的样本值，numpy.random模块快了不止一个数量级：
In [9]: %timeit samples=[normalvariate(0,1) for _ in range(N)] 167 ms ± 1.71 ms per loop (mean ± std. dev. of 7 runs, 10 loops each) In [10]: %timeit np.random.normal(size=N) 6.41 ms ± 122 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
numpy.random函数：
seed：确定随机数生成器的种子
permutation：返回一个序列的随机排列或返回一个随机排列的范围
shuffle：对一个序列就地随机排列
rand：产生均匀分布的样本值
randint：从给定的上下限范围内随机选取整数
randn：产生正态分布（平均值为0，标准差为1）的样本值，类似MATLAB接口
binomial：产生二项分布的样本值
normal：产生正态分布的样本值
beta：产生Beta分布的样本值
chisquare：产生卡方分布的样本值
gamma：产生Gamma分布的样本值
uniform：产生在[0,1]中均匀分布的样本值
标签：random mic random模块 正态分布 nbsp range 测试结果 生成 style
原文地址：https://www.cnblogs.com/catxjd/p/9977666.html
