Python Numpy 随机数生成常用方法
1、生成随机数
1）均匀分布随机数
numpy.random.rand(d0, d1, ..., dn)：生成在 [0, 1) 区间的均匀分布随机数。d0, d1, ..., dn：表示生成随机数的维度。
numpy.random.randint(low, high=None, size=None, dtype=int)：生成指定范围的随机整数。
参数说明：
|
参数 |
说明 |
|
low |
指定随机数的最小值。 |
|
high |
指定随机数的最大值。如果省略，则 high 默认为 low + 1。 |
|
size |
指定生成随机数的个数。如果省略，则 size 默认为 1。 |
|
dtype |
指定随机数的数据类型。 |
使用示例：
2）正态分布随机数
numpy.random.randn(d0, d1, ..., dn)：生成标准正态（均值0，标准差1）分布的随机数。d0, d1, ..., dn：表示生成随机数的维度。
numpy.random.normal(loc=0.0, scale=1.0, size=None)：生成正态分布的随机数，可指定均值和标准差。
参数说明：
|
参数 |
说明 |
|
loc |
指定均值。 |
|
scale |
指定标准差。 |
|
size |
指定生成随机数的个数。 如果省略，则 size 默认为 1。 |
使用示例：
3）二项分布随机数
numpy.random.binomial(n, p, size=None)：生成二项分布随机数。
参数说明：
|
参数 |
说明 |
|
n |
试验次数。 |
|
p |
每次试验成功的概率。 |
|
size |
要生成的随机数个数。 |
使用示例：
4）泊松分布随机数
numpy.random.poisson(lam=1.0, size=None)：生成泊松分布随机数。
参数说明：
|
参数 |
说明 |
|
lam |
固定区间内平均发生事件的次数。 |
|
size |
要生成的随机数个数。 |
使用示例：
5）分布随机数
numpy.random.exponential(scale=1.0, size=None)：生成指数分布随机数。
参数说明：
|
参数 |
说明 |
|
scale |
指数分布的参数。 |
|
size |
要生成的随机数个数。 |
使用示例：
2、随机抽样和洗牌
可以使用NumPy库可以轻松地进行随机抽样和洗牌。常用函数如下，
1）随机抽样
numpy.random.choice(a, size=None, replace=True, p=None)：从给定的一维数组或整数范围中随机抽样。
参数说明：
|
参数 |
说明 |
|
a |
指定要抽取元素的序列。 |
|
size |
指定要抽取的元素个数。 如果省略，则 size 默认为 1。 |
|
replace |
指定是否允许重复抽取。 如果为 True，则允许重复抽取； 如果为 False，则不允许重复抽取。 |
|
p |
指定每个元素被抽取的概率。 如果省略，则每个元素的概率相同。 |
使用示例：
2）洗牌和排列
numpy.random.shuffle(x)：对数组 x 进行原地洗牌（改变数组本身的顺序），于将序列 x 中的元素随机打乱。x：指定要打乱的序列。
numpy.random.permutation(x)：返回数组 x 的一个随机排列或返回一个随机排列的范围。x：指定要排列的序列。
使用示例：
3、设置随机数种子
numpy.random.seed(seed=None)：通过设置随机数种子，可以确保随机数生成器的可重复性。seed：指定种子。如果省略，则使用系统时间作为种子。
使用示例：
