在學習一些算法的時候，經常會使用一些隨機數來做實驗，或者說用隨機數來添加一些噪聲。
下面就總結我平常用到的幾個numpy.random庫中的隨機數和seed函數。
目錄
1. rand基本用法
numpy.random.rand(d0, d1, …, dn)，產生[0,1)之間均勻分佈的隨機浮點數，其中d0，d1....表示傳入的數組形狀。
示例1
import numpy as np
#產生形狀爲(2,)的數組，也就是相當於有2個元素的一維數組。
temp=np.random.rand(2)
print(temp) #[0.70284298 0.40041697]
print(type(temp)) # 查看數據類型，<class 'numpy.ndarray'>
print(temp[0]) #查看第一個數
print(type(temp[0])) #查看具體元素的數據類型，<class 'numpy.float64'>
'''
結果如下：
[0.70284298 0.40041697]
<class 'numpy.ndarray'>
0.7028429826756175
<class 'numpy.float64'>
'''
示例2
#產生一個2*4的數組，數組中的每個元素是[0,1)之間均勻分佈的隨機浮點數
temp=np.random.rand(2,4)
print(temp)
#查看一下數據類型
print(type(temp))
'''
結果如下所示：
[[0.39921792 0.42280677 0.32486705 0.02898902]
[0.78987787 0.93125733 0.30446905 0.27728128]]
<class 'numpy.ndarray'>
'''
示例3
在rand()裏面也可以沒有參數，返回一個[0,1)之間的隨機浮點數。
#產生一個[0,1)之間的隨機數
temp=np.random.rand() #0.6143086490875544
print(temp) #<class 'float'>
print(type(temp)) # 查看數據類型，<<class 'float'>
2. randn基本用法
numpy.random.randn(d0, d1, …, dn)從標準正態分佈中返回一個或多個樣本值。 參數表示樣本的形狀。所謂標準正態分佈就是指這個函數產生的隨機數，服從均值爲0，方差爲1的分佈，使用方法和rand()類似。
arr1=np.random.randn(2,4) #二行四列，或者說一維大小爲2，二維大小爲4
#均值爲0，方差爲1
print(arr1)
print(type(arr1)) #<class 'numpy.ndarray'>
arr2=np.random.rand()
print(arr2) #0.37338593251088137
print(type(arr2)) #<class 'float'>
'''
結果如下：
[[ 0.56538481 0.41791992 0.73515441 1.73895318]
[ 2.27590795 -1.17933538 -1.02008043 0.15744222]]
<class 'numpy.ndarray'>
0.37338593251088137
<class 'float'>
'''
3. 指定數學期望和方差的正態分佈
很多時候，我們不滿足於僅僅產生服從標準正態分佈的一組隨機數，而是希望能夠靈活的指定均值和方差，可用如下方法實現：
For random samples from N(mu, sigma^2), use:
sigma * np.random.randn(...) + mu
如果希望產生的一組隨機數，服從均值爲mu，方差爲sigma^2的正態分佈，可以用上述公式完成。
#Two-by-four array of samples from N(3, 6.25):
arr3=2.5 * np.random.randn(2,4)+3 #2.5是標準差，3是期望
print(arr3)
"""
結果如下：
[[ 2.58150052 6.20108311 1.58737197 9.64447208]
[ 2.68126136 0.63854145 -1.34499681 1.68725191]]
"""
4. random基本用法及和rand的辨析
numpy.random.random()方法返回隨機生成的一個實數（浮點數），它在[0,1)範圍內。
示例：
import numpy as np
x1=np.random.random()
print(x1) #0.14775128911185142
print(type(x1)) #<class 'float'>
x2=np.random.random((3,3))
print(x2)
'''
[[0.07151945 0.00156449 0.66673237]
[0.89764384 0.68630955 0.21589147]
[0.50561697 0.27617754 0.5553978 ]]
'''
print(type(x2)) #<class 'numpy.ndarray'>
print(x2[1,1]) #0.68630955
注意:
這邊需要注意的是這個函數的參數，只有一個參數“size”，有三種取值，None，int型整數，或者int型元組。
而在之前的numpy.random.rand()中可以有多個參數。
比方說，如果我們要產生一個2*4的隨機數組(不考慮服從什麼分佈)，那麼在rand中的寫法是：numpy.random.rand(2,4)，而在random中的寫法是numpy.random.random( (2,4) )，這裏面是個元組，是有小括弧的。
temp1=np.random.random()
print(temp1)
print(type(temp1))
"""
參數爲None，返回一個隨機數。
0.06708973062154777
<class 'float'>
"""
#int整數和只有一維的int元組，效果一致
temp2=np.random.random(5)
print(temp2)
print(type(temp2))
temp3=np.random.random((5,))
print(temp3)
print(type(temp3))
'''
[0.69630427 0.35781327 0.17793115 0.24212922 0.51985133]
<class 'numpy.ndarray'>
[0.37211634 0.12352443 0.59535439 0.63269044 0.21921476]
<class 'numpy.ndarray'>
'''
temp4=np.random.random((2,4))
print(temp4)
'''
[[0.06215506 0.30826882 0.28453145 0.34466641]
[0.84119912 0.81675337 0.27229602 0.21637321]]
'''
當然元組可以是多維的，不止二維，但是用的相對較少。
這個函數基礎是產生[0,1)之間的隨機數，但是我們可以通過其他方式，改變這個範圍。
比如，我們要產生[-5,0)之間的隨機數，可以這樣：5 * numpy.random.random( (3,2) )-5。乘5後範圍變成了[0,5)，再減5範圍變成了[-5,0)。
temp5=5 * np.random.random_sample((3, 2)) - 5
print(temp5)
'''
[[-0.6397764 -3.58968428]
[-2.7789179 -4.74474732]
[-1.7913781 -1.78819213]]
'''
和rand()的辨析。
一個是參數類型的不同，前文已經提到。
然後參看官方的幫助文檔；
random：Return random floats in the half-open interval [0.0, 1.0).
rand：Create an array of the given shape and populate it with random samples from a uniform distribution over ``[0, 1)``.
英文這種東西，只可意會。不可翻譯。
5. randint基本用法
用於生成指定範圍內的整數。
具體函數：randint(low, high=None, size=None, dtype='l')
其中low是整型元素，表示範圍的下限，可以取到。high表示範圍的上限，不能取到。也就是左閉右開區間。
high沒有填寫時，默認生成隨機數的範圍是[0，low)
size可以是int整數，或者int型的元組，表示產生隨機數的個數，或者隨機數組的形狀。
dtype表示具體隨機數的類型，默認是int，可以指定成int64。
示例1：
#產生一個[0,10)之間的隨機整數
temp1=np.random.randint(10)
print(temp1)
print(type(temp1)) #<class 'int'>
'''
5
<class 'int'>
'''
可以看出默認類型是int型，可以指定成int64.
示例2：
temp2=np.random.randint(10,dtype="int64")
print(type(temp2))
'''
<class 'numpy.int64'>
'''
示例3：
#產生[0,10)之間的隨機整數8個，以數組的形式返回
temp3=np.random.randint(10,size=8)
print(temp3)
'''
[6 6 0 3 4 2 5 3]
'''
temp4=np.random.randint(10,size=(2,4))
print(temp4)
'''
[[7 5 4 5]
[5 2 7 6]]
'''
示例4：
temp5=np.random.randint(5,10,size=(2,4))
print(temp5)
'''
[[8 5 8 6]
[9 8 6 9]]
'''
6. uniform基本用法
從指定範圍內產生均勻分佈的隨機浮點數。
函數：uniform(low=0.0, high=1.0, size=None)
low表示範圍的下限，float型，或float型數組，默認爲0.0.
high表示範圍的上限，float型，或float型數組，默認爲1.0.
size表示“形狀”或“個數”，int型，或int型元組，默認爲None。
示例1：
#默認產生一個[0,1)之間隨機浮點數
temp=np.random.uniform()
print(temp) #0.9520851072880187
示例2：
temp=np.random.uniform(1,5,size=5)
print(temp)
'''
[4.94143282 1.56775945 3.74670851 4.06208558 1.25997891]
'''
temp=np.random.uniform(1,5,size=(2,4))
print(temp)
'''
[[2.3823538 3.09401949 3.92113219 1.0436445 ]
[1.28329041 1.17418269 2.68699106 4.94529039]]
'''
拓展1
我想到一個問題，如果表示範圍的數只有一個是什麼意思？
help查看文檔，low和size都是optional，那只有一個數應該表示爲上限，但是實驗結果並非如此：
temp=np.random.uniform(1.0001,size=10000000)
print(temp)
print(np.all(temp>= 1))
print(np.all(temp<1.0001))
'''
[1.00002898 1.00007222 1.00000062 ... 1.00008765 1.00002739 1.00004577]
True
True
'''
temp=np.random.uniform(0.99,size=10000000)
print(temp)
print(np.all(temp>= 0.99))
print(np.all(temp<1))
'''
[0.9928493 0.99711935 0.99146187 ... 0.9945594 0.99915136 0.99305246]
True
True
'''
temp=np.random.uniform(1,size=10000000)
print(temp)
print(np.all(temp==1))
'''
[1. 1. 1. ... 1. 1. 1.]
True
'''
由上面代碼，得出結果，如果範圍只有一個參數num，
如果num小於1，那麼隨機數的範圍是[0,num)
如果num大於1，那麼隨機數的範圍是[1,num)
如果num等於1，那麼產生的隨機數全是1。
拓展2
help顯示low和high還可以是一個浮點數類型的數組。
就探究了一下到底是什麼回事。
temp=np.random.uniform(low=[1.1, 2.1, 3.1, 4.1],high=[1.2, 2.2, 3.2, 4.2])
print(temp)
'''
[1.17724259 2.19548916 3.16775407 4.12345112]
'''
可以看出第一個數的範圍1.1和1.2之間，第二個數在2.1到2.2之間，…………
不出意外應該也是左閉右開。
在這種情況下，添加size，只能是一維的，並且大小要對應。
在上面的這段代碼中，size=4 和 size=(4,) 和 size=(1,4)是正確的。size=(2,2),size=(4,1)提示錯誤。
7. seed基本用法
np.random.seed()，使得隨機數據可預測。
如果在seed()中傳入的數字相同，那麼接下來生成的隨機數序列都是相同的，僅作用於最接近的那句隨機數產生語句。
np.random.seed(10)
temp1=np.random.rand(4)
print(temp1)
np.random.seed(10)
temp2=np.random.rand(4)
print(temp2)
#這句就不一樣的，因爲僅作用於最接近的那句隨機數產生語句
temp3=np.random.rand(4)
print(temp3)
'''
[0.77132064 0.02075195 0.63364823 0.74880388]
[0.77132064 0.02075195 0.63364823 0.74880388]
[0.49850701 0.22479665 0.19806286 0.76053071]
'''
暫時就用到這些。之後用到了再更新。
行筆匆忙，歡迎指錯。