一、1、numpy中random方法的使用:(用來生成隨機樣本點)
1、numpy.random.rand(d0, d1, ....dn):
生成指定形狀的數組,其元素值是在均勻分佈[0, 1]之間隨機生成,其中d0, ...dn表示的是數組的大小(也就是維數,只有一個數字時默認是一維的),如果不指定大小,默認返回一個隨機數值。數組默認的返回類型是float.如果指定100,那麼返回一個1*100的一維數組。
例如:
- w0 = np.random.rand()
- print w0, "\n"
- w00 = np.random.rand(2, 3)
- print w00, "\n"
- 0.528211605811 #0-1之間的隨機值
- [[ 0.89478507 0.81066081 0.04658165]#0-1之間的隨機值
- [ 0.88438714 0.76890682 0.86752058]]
2、numpy.random.randn(d0, d1, ...dn):
從標準正態分佈中返回一個隨機樣本。
<1>、無參數
- w1 = np.random.randn()
- print w1, "\n"
-0.755503212712
<2>指定返回樣本的大小
- w2 = np.random.randn(2, 3)
- print w2, "\n"
- [[ 0.34894362 -0.90593742 1.41079113]
- [-0.67110078 -0.21309708 1.01333301]]
樣式:
sigma * numpy.random.randn(d0, ...,dn) + mu
- sigma = 1.3
- w3 = sigma * np.random.randn(2, 3)
- print w3
- [[ 1.12659049 -2.13454097 -0.84336796]
- [-0.00758082 -0.52353856 0.9649422 ]]
array([6, 7, 7]) #爲1*3的矩陣
np.random.randint(0,10,size=(3,3))
Out[351]:
array([[5, 1, 4],
[2, 8, 4], #爲3*3的矩陣
[4, 2, 3]])5、x=['Python','data','random','Mining','good']
random.shuffle(x)
print (x)
# 用於將一個列表中的元素打亂,
['Mining', 'Python', 'random', 'data', 'good']
6、lists=[1,2,3,4,5,6,7,8,10] #從指定序列中隨機獲取指定長度的片斷
a=random.sample(lists,3)
print (a)
[8, 6, 10]
二、numpy中使用linspace方法生成隨機樣本點
https://docs.scipy.org/doc/numpy/reference/generated/numpy.linspace.html
numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
Parameters(參數):
start : 序列的起始點.
stop : 序列的結束點
num : 生成的樣本數,默認是50。必須是非負。
endpoint : 如果True,'stop'是最後一個樣本。否則,它不包括在內。默認爲True。
retstep : 如果True,返回 (`samples`, `step`)
dtype :
- 1
- 2
- 3
- 4
- 5
- 6
- 7
第1個例子endpoint的使用:
import numpy as np
print(np.linspace(2.0, 3.0, num=5))
print(np.linspace(2.0, 3.0, num=5, endpoint=True))
print(np.linspace(2.0, 3.0, num=5, endpoint=False))
- 1
- 2
- 3
- 4
輸出:
[ 2. 2.25 2.5 2.75 3. ]
[ 2. 2.25 2.5 2.75 3. ]
[ 2. 2.2 2.4 2.6 2.8]
- 1
- 2
- 3
從上面輸出可以看出endpoint=True時,輸出包含了“stop”這個樣本點;endpoint=False時,輸出不包括“stop”這個樣本點;默認情況endpoint=True。
第2個例子retstep的使用:
import numpy as np
print(np.linspace(2.0, 3.0, num=5))
a = np.linspace(2.0, 3.0, num=5, retstep=True)
print(a)
print(a[0])
print(a[1])
- 1
- 2
- 3
- 4
- 5
- 6
- 7
輸出:
[ 2. 2.25 2.5 2.75 3. ]
(array([ 2. , 2.25, 2.5 , 2.75, 3. ]), 0.25)
[ 2. 2.25 2.5 2.75 3. ]
0.25
- 1
- 2
- 3
- 4
retstep=True時輸出了步長(step),此時步長爲0.25
第3個例子:
import numpy as np
import matplotlib.pyplot as plt
N = 8
y = np.zeros(N)
x1 = np.linspace(0, 10, N, endpoint=True)
x2 = np.linspace(0, 10, N, endpoint=False)
plt.plot(x1, y, 'o')
plt.plot(x2, y + 0.5, 'o')
plt.ylim([-0.5, 1])
plt.show()
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
輸出: