NumPy随机数生成函数的多种实现方法

目录

• 一、基础随机数生成函数
• 1.np.random.rand(d0, d1, …, dn)
• 2.np.random.randn(d0, d1, …, dn)
• 3.np.random.randint(low, high=None, size=None, dtype=int)
• 4.np.random.random(size=None)
• 二、概率分布抽样函数
• 1.np.random.uniform(low=0.0, high=1.0, size=None)
• 2.np.random.normal(loc=0.0, scale=1.0, size=None)
• 3.np.random.binomial(n, p, size=None)
• 4.np.random.poisson(lam=1.0, size=None)
• 三、随机抽样与排列
• 1.np.random.choice(a, size=None, replace=True, p=None)
• 2.np.random.shuffle(x)
• 3.np.random.permutation(x)
• 四、随机种子设置
• 关键区别总结

NumPy 的 numpy.random 模块提供了丰富的随机数生成函数，覆盖基础随机数组、概率分布抽样和随机排列等功能。以下是常用函数的详细解析：

• 功能：生成 [0, 1) 均匀分布的随机浮点数数组
• 参数：d0, d1... 为数组维度（整数）
• 示例：

  np.random.rand(2, 3)  # 生成 2行3列的随机数组
  # 输出：array([[0.12, 0.34, 0.56], [0.78, 0.90, 0.23]])
  

• 功能：生成符合标准正态分布（μ=0, σ=1）的随机数
• 参数：同 rand()
• 示例：

  np.random.randn(2)  # 生成2个标准正态分布随机数
  # 输出：array([-0.45, 1.23])
  

• 功能：生成 [low, high) 区间的整数随机数
• 参数：
  • low：下限（包含）
  • high：上限（不包含，若未提供则从0开始）
  • size：输出形状
• 示例：

  np.random.randint(1, 10, size=(3,))  # 生成3个1-9的整数
  # 输出：array([5, 2, 8])
  

• 功能：生成 [0.0, 1.0) 均匀分布的随机浮点数（单个数或数组）
• 示例：

  np.random.random((2,2))  # 2x2随机矩阵
  # 输出：array([[0.45, 0.78], [0.12, 0.90]])
  

• 功能：生成指定区间 [low, high) 的均匀分布随机数
• 示例：

  np.random.uniform(-1, 1, size=3)  # 3个[-1,1)的均匀分布数
  # 输出：array([-0.23, 0.56, -0.89])
  

• 功能：生成指定均值（loc）和标准差（scale）的正态分布
• 示例：

  np.random.normal(loc=5, scale=2, size=2)  # N(5, 2²)的2个样本
  # 输出：array([4.89, 6.12])
  

• 功能：生成二项分布（n次试验，成功概率p）的随机数
• 示例：

  np.random.binomial(n=10, p=0.5, size=3)  # 3次10重伯努利试验的成功次数
  # 输出：array([5, 7, 4])
  

• 功能：生成泊松分布（λ=lam）的随机数
• 示例：

  np.random.poisson(lam=3, size=4)  # λ=3的4个泊松样本
  # 输出：array([2, 4, 3, 5])
  

• 功能：从序列 a 中随机抽样
• 参数：
  • replace：是否允许重复抽样（默认True）
  • p：各元素抽样概率（需与a长度相同）
• 示例：

  np.random.choice([1,2,3,4], size=3, p=[0.1,0.2,0.3,0.4])
  # 按概率抽样3个元素，输出：array([3,4,4])
  

• 功能：原地打乱数组x（修改原数组）
• 示例：

  arr = np.array([1,2,3,4])
  np.random.shuffle(arr)  # arr变为 [3,1,4,2]
  

• 功能：生成数组x的随机排列（不修改原数组）
• 示例：

  np.random.permutation([1,2,3,4])  # 输出：array([2,4,1,3])
  

np.random.seed(42)  # 设置随机种子，保证结果可复现
np.random.rand(2)   # 每次运行结果相同：array([0.37, 0.95])

函数组	核心特点	典型应用场景
rand/randn	无需参数直接指定维度，快捷生成数组	快速创建随机矩阵
uniform/normal	可自定义分布参数（区间/均值等）	模拟特定概率分布的数据
choice/shuffle	针对序列的抽样与重排	随机选样、打乱数据顺序

到此这篇关于NumPy随机数生成函数的多种实现方法的文章就介绍到这了,更多相关NumPy随机数生成函数内容请搜索风君子博客以前的文章或继续浏览下面的相关文章希望大家以后多多支持风君子博客！

您可能感兴趣的文章:

• NumPy随机数据分布与Seaborn可视化详解
• NumPy数组排序、过滤与随机数生成详解
• Numpy创建数组和随机数组的方法小结
• numpy中几种随机数生成函数的用法
• Python NumPy中的随机数及ufuncs函数使用示例详解
• numpy 产生随机数的几种方法
• numpy中生成随机数的几种常用函数(小结)
• python numpy之np.random的随机数函数使用介绍
• python numpy 常用随机数的产生方法的实现
• Python使用numpy产生正态分布随机数的向量或矩阵操作示例