码迷,mamicode.com
首页 > 其他好文 > 详细

[转]numpy.random.randn()用法

时间:2020-01-11 15:26:32      阅读:123      评论:0      收藏:0      [点我收藏+]

标签:span   type   使用   建议   stand   lenovo   das   预测   amp   

在python数据分析的学习和应用过程中,经常需要用到numpy的随机函数,由于随机函数random的功能比较多,经常会混淆或记不住,下面我们一起来汇总学习下。

import numpy as np

1 numpy.random.rand()

numpy.random.rand(d0,d1,…,dn)

  • rand函数根据给定维度生成[0,1)之间的数据,包含0,不包含1
  • dn表格每个维度
  • 返回值为指定维度的array
np.random.rand(4,2)
  1.  
    array([[ 0.02173903, 0.44376568],
  2.  
    [ 0.25309942, 0.85259262],
  3.  
    [ 0.56465709, 0.95135013],
  4.  
    [ 0.14145746, 0.55389458]])
np.random.rand(4,3,2) # shape: 4*3*2
  1.  
    array([[[ 0.08256277, 0.11408276],
  2.  
    [ 0.11182496, 0.51452019],
  3.  
    [ 0.09731856, 0.18279204]],
  4.  
     
  5.  
    [[ 0.74637005, 0.76065562],
  6.  
    [ 0.32060311, 0.69410458],
  7.  
    [ 0.28890543, 0.68532579]],
  8.  
     
  9.  
    [[ 0.72110169, 0.52517524],
  10.  
    [ 0.32876607, 0.66632414],
  11.  
    [ 0.45762399, 0.49176764]],
  12.  
     
  13.  
    [[ 0.73886671, 0.81877121],
  14.  
    [ 0.03984658, 0.99454548],
  15.  
    [ 0.18205926, 0.99637823]]])

2 numpy.random.randn()

numpy.random.randn(d0,d1,…,dn)

  • randn函数返回一个或一组样本,具有标准正态分布。
  • dn表格每个维度
  • 返回值为指定维度的array
np.random.randn() # 当没有参数时,返回单个数据
-1.1241580894939212
np.random.randn(2,4)
  1.  
    array([[ 0.27795239, -2.57882503, 0.3817649 , 1.42367345],
  2.  
    [-1.16724625, -0.22408299, 0.63006614, -0.41714538]])
np.random.randn(4,3,2)
  1.  
    array([[[ 1.27820764, 0.92479163],
  2.  
    [-0.15151257, 1.3428253 ],
  3.  
    [-1.30948998, 0.15493686]],
  4.  
     
  5.  
    [[-1.49645411, -0.27724089],
  6.  
    [ 0.71590275, 0.81377671],
  7.  
    [-0.71833341, 1.61637676]],
  8.  
     
  9.  
    [[ 0.52486563, -1.7345101 ],
  10.  
    [ 1.24456943, -0.10902915],
  11.  
    [ 1.27292735, -0.00926068]],
  12.  
     
  13.  
    [[ 0.88303 , 0.46116413],
  14.  
    [ 0.13305507, 2.44968809],
  15.  
    [-0.73132153, -0.88586716]]])

标准正态分布介绍

  • 标准正态分布—-standard normal distribution
  • 标准正态分布又称为u分布,是以0为均值、以1为标准差的正态分布,记为N(0,1)。

3 numpy.random.randint()

3.1 numpy.random.randint()

numpy.random.randint(low, high=None, size=None, dtype=’l’)

  • 返回随机整数,范围区间为[low,high),包含low,不包含high
  • 参数:low为最小值,high为最大值,size为数组维度大小,dtype为数据类型,默认的数据类型是np.int
  • high没有填写时,默认生成随机数的范围是[0,low)
np.random.randint(1,size=5) # 返回[0,1)之间的整数,所以只有0
array([0, 0, 0, 0, 0])
np.random.randint(1,5) # 返回1个[1,5)时间的随机整数
4
np.random.randint(-5,5,size=(2,2))
  1.  
    array([[ 2, -1],
  2.  
    [ 2, 0]])

3.2 numpy.random.random_integers

numpy.random.random_integers(low, high=None, size=None)

  • 返回随机整数,范围区间为[low,high],包含low和high
  • 参数:low为最小值,high为最大值,size为数组维度大小
  • high没有填写时,默认生成随机数的范围是[1,low]

该函数在最新的numpy版本中已被替代,建议使用randint函数

np.random.random_integers(1,size=5)
array([1, 1, 1, 1, 1])

4 生成[0,1)之间的浮点数

  • numpy.random.random_sample(size=None)
  • numpy.random.random(size=None)
  • numpy.random.ranf(size=None)
  • numpy.random.sample(size=None)
  1.  
    print(‘-----------random_sample--------------‘)
  2.  
    print(np.random.random_sample(size=(2,2)))
  3.  
    print(‘-----------random--------------‘)
  4.  
    print(np.random.random(size=(2,2)))
  5.  
    print(‘-----------ranf--------------‘)
  6.  
    print(np.random.ranf(size=(2,2)))
  7.  
    print(‘-----------sample--------------‘)
  8.  
    print(np.random.sample(size=(2,2)))
  1.  
    -----------random_sample--------------
  2.  
    [[ 0.34966859 0.85655008]
  3.  
    [ 0.16045328 0.87908218]]
  4.  
    -----------random--------------
  5.  
    [[ 0.25303772 0.45417512]
  6.  
    [ 0.76053763 0.12454433]]
  7.  
    -----------ranf--------------
  8.  
    [[ 0.0379055 0.51288667]
  9.  
    [ 0.71819639 0.97292903]]
  10.  
    -----------sample--------------
  11.  
    [[ 0.59942807 0.80211491]
  12.  
    [ 0.36233939 0.12607092]]

5 numpy.random.choice()

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

  • 从给定的一维数组中生成随机数
  • 参数: a为一维数组类似数据或整数;size为数组维度;p为数组中的数据出现的概率
  • a为整数时,对应的一维数组为np.arange(a)
np.random.choice(5,3)
array([4, 1, 4])
  1.  
    np.random.choice(5, 3, replace=False)
  2.  
    # 当replace为False时,生成的随机数不能有重复的数值
array([0, 3, 1])
np.random.choice(5,size=(3,2))
  1.  
    array([[1, 0],
  2.  
    [4, 2],
  3.  
    [3, 3]])
  1.  
    demo_list = [‘lenovo‘, ‘sansumg‘,‘moto‘,‘xiaomi‘, ‘iphone‘]
  2.  
    np.random.choice(demo_list,size=(3,3))
  1.  
    array([[‘moto‘, ‘iphone‘, ‘xiaomi‘],
  2.  
    [‘lenovo‘, ‘xiaomi‘, ‘xiaomi‘],
  3.  
    [‘xiaomi‘, ‘lenovo‘, ‘iphone‘]],
  4.  
    dtype=‘<U7‘)
  • 参数p的长度与参数a的长度需要一致;
  • 参数p为概率,p里的数据之和应为1
  1.  
    demo_list = [‘lenovo‘, ‘sansumg‘,‘moto‘,‘xiaomi‘, ‘iphone‘]
  2.  
    np.random.choice(demo_list,size=(3,3), p=[0.1,0.6,0.1,0.1,0.1])
  1.  
    array([[‘sansumg‘, ‘sansumg‘, ‘sansumg‘],
  2.  
    [‘sansumg‘, ‘sansumg‘, ‘sansumg‘],
  3.  
    [‘sansumg‘, ‘xiaomi‘, ‘iphone‘]],
  4.  
    dtype=‘<U7‘)

6 numpy.random.seed()

  • np.random.seed()的作用:使得随机数据可预测。
  • 当我们设置相同的seed,每次生成的随机数相同。如果不设置seed,则每次会生成不同的随机数
  1.  
    np.random.seed(0)
  2.  
    np.random.rand(5)
array([ 0.5488135 ,  0.71518937,  0.60276338,  0.54488318,  0.4236548 ])
  1.  
    np.random.seed(1676)
  2.  
    np.random.rand(5)
array([ 0.39983389,  0.29426895,  0.89541728,  0.71807369,  0.3531823 ])
  1.  
    np.random.seed(1676)
  2.  
    np.random.rand(5)
array([ 0.39983389,  0.29426895,  0.89541728,  0.71807369,  0.3531823 ])    
转:https://blog.csdn.net/u012149181/article/details/78913167

[转]numpy.random.randn()用法

标签:span   type   使用   建议   stand   lenovo   das   预测   amp   

原文地址:https://www.cnblogs.com/sggggr/p/12179827.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!