Python中numpy对象random使用方法总结

注：为介绍方便，本文将numpy简化为np
主要可关注两点：
1，随机生成的范围，“[”与“)”
2，随机生成的数据类型
3，随机生成数是否可控

内容介绍

一、随机生成浮点数

1.1 生成(0,1)之间的浮点数

区别在于：维度的表示方式上，1.1.1是直接表示，其他的是使用size=()

1.1.1 numpy.random.rand()

直接是维度，不需要size=()
实例：

1.1.2 numpy.random.random_sample(size=None)

使用size=()确定维度
实例：

1.1.3 numpy.random.random(size=None)

1.1.4 numpy.random.ranf(size=None)

1.1.5 numpy.random.sample(size=None)

1.2 符合正太分布的浮点数

1.2.1 np.random.randn()

与 np.random.rand()类似，直接表示维数，且空表示一个数

二、随机生成整数

2.1 numpy.random.randint ()

表示：numpy.random.randint (low,high,size)
范围：[0，low） 或者 [low,high)之间的整数，

实例：

2.2 numpy.random.random_integers()

表示：numpy.random.random_integers(low,high,size)
范围：[1，low） 或者 [low,high]之间的整数

实例：（一般只是用上面的，这个不常用）

三、随机生成数可控

3.1 numpy.random.choice()

属于自主定义型

3.1.1 使用方式

numpy.random.choice(a, size=None, replace=True, p=None)
a可以是整数、或者数组
size确定维度
replace表示是否重复
p设置每个数出现的概率,应与a维数相同，且和为1

3.1.2 实例

3.2 numpy.random.seed()

控制随机生成的数值

3.2.1 使用方式

若想生成相同的随机序列，需要将numpy.random.seed() 与前面的配合使用。
形如：

numpy.random.seed(num)
numpy.random.randint(num)  

3.2.2 实例

当seed中的值为空时：

当seed中的值为固定值：