Numpy中随机数

方式一

常用函数

numpy.random.rand(d0, d1, ..., dn)  #产生均匀分布的随机数
numpy.random.randn(d0, d1, ..., dn)  # 产生标准正态分布随机数
numpy.random.randint(low, high=None, size=None, dtype=None)  # 生成在[low, high)范围内，形状为size的随机整数
numpy.random.random_sample(size=None)  # 生产形状为size的，范围在[0.0, 1.0)的均匀分布的随机数
numpy.random.random(size=None)  # 同random_sample
numpy.random.ranf(size=None)  # 同random_sample
numpy.random.sample(size=None)  # 同random_sample
# 注意：其中size可以是(a, b, c)或者[a, b, c]

设置随机数种子

numpy.random.seed(seed=None)  #设置随机数种子为seed

这里要注意的是，设置seed后，并不是让之后每个相通随机函数返回相同的值。而是让每次从头运行时，每个随机函数返回和上次运行时相同的值。

如：

np.random.seed(1)
a = np.random.rand(10)
b = np.random.rand(10)
c = np.random.rand(10)

如果执行一次上面的代码，那么a、b、c是各不相同的。

但如果第二次执行，那么得到的a'、b'、c'和上次的a、b、c对应相同。

方式二

rnd = np.random.RandomState(seed = 10)
rnd.rand()  # 效果同方式一