詳述numpy中的np.random.random()系列函數(shù)用法
引言:在機器學(xué)習(xí)還有深度學(xué)習(xí)中,經(jīng)常會用到這幾個函數(shù),為了便于以后熟練使用,現(xiàn)在對這幾個函數(shù)進(jìn)行總結(jié)。
(一)np.random.rand()
該函數(shù)括號內(nèi)的參數(shù)指定的是返回結(jié)果的形狀,如果不指定,那么生成的是一個浮點型的數(shù);如果指定一個數(shù),那么生成的是一個numpy.ndarray類型的數(shù)組;如果指定兩個數(shù)字,那么生成的是一個二維的numpy.ndarray類型的數(shù)組。如果是兩個以上的數(shù)組,那么返回的維度就和指定的參數(shù)的數(shù)量個數(shù)一樣。其返回結(jié)果中的每一個元素是服從0~1均勻分布的隨機樣本值,也就是返回的結(jié)果中的每一個元素值在0-1之間。
舉例說明:
import numpy as np mat = np.random.rand() print(mat) print(type(mat)) mat = np.random.rand(2) print(mat) print(type(mat)) mat = np.random.rand(3, 2) print(mat) print(type(mat))
結(jié)果為:注意我用紅框框起來的一組對應(yīng)兩個print輸出,可對應(yīng)程序看結(jié)果。

(二)np.random.randn()
該函數(shù)和rand()函數(shù)比較類似,只不過運用該函數(shù)之后返回的結(jié)果是服從均值為0,方差為1的標(biāo)準(zhǔn)正態(tài)分布,而不是局限在0-1之間,也可以為負(fù)值,因為標(biāo)準(zhǔn)正態(tài)分布的曲線是關(guān)于x軸對陣的。其括號內(nèi)的參數(shù)如果不指定,那么生成的是一個浮點型的數(shù);如果指定一個數(shù),那么生成的是一個numpy.ndarray類型的數(shù)組;如果指定兩個數(shù)字,那么生成的是一個二維的numpy.ndarray類型的數(shù)組。和rand()相比,除了元素值不一樣,其他的性質(zhì)是一樣的。
舉例說明:
import numpy as np mat = np.random.randn() print(mat) print(type(mat)) mat = np.random.randn(2) print(mat) print(type(mat)) mat = np.random.randn(3, 2) print(mat) print(type(mat))
結(jié)果為:

(三)np.random.randint(low,high,size,dtype)
該函數(shù)中包含了幾個參數(shù),其具體含義為:
low:生成的元素值的最小值,即下限,如果沒有指定high這個參數(shù),則low為生成的元素值的最大值。
high:生成的元素值的最大值,即上限。
size:指定生成元素值的形狀,也就是數(shù)組維度的大小。
dtype:指定生成的元素值的類型,如果不指定,默認(rèn)為整數(shù)型
返回結(jié)果:返回值是一個大小為size的數(shù)組,如果指定了low和high這兩個參數(shù),那么生成的元素值的范圍為[low,high),不包括high;如果不指定high這個參數(shù),則生成的元素值的范圍為[0,low)。如果不指定size這個參數(shù),那么生成的元素值的個數(shù)只有一個。
舉例說明:
import numpy as np # 指定一個參數(shù)low mat = np.random.randint(low=1) print(mat) print(type(mat)) # 指定low和high,生成一個[low,high)的元素值 mat = np.random.randint(low=1, high=5) print(mat) print(type(mat)) # 指定size大小,生成一個三行三列的二維數(shù)組,元素個數(shù)為3x3=9個 mat = np.random.randint(low=2, high=10, size=(3, 3)) print(mat) # 查看默認(rèn)元素值的類型 print(type(mat[0][0])) mat = np.random.randint(low=2, high=10, size=(3, 3), dtype=np.uint8) print(mat) print(type(mat[0][0]))
結(jié)果為:

(四)np.random.uniform(low,high,size)
參數(shù)說明:
low:生成元素值的下界,float類型,默認(rèn)值為0
high:生成元素值的上界,float類型,默認(rèn)值為1
size:輸出樣本的數(shù)目,可以指定一個值,也可指指定大于等于兩個值
返回對象:ndarray類型,形狀為size中的數(shù)值指定,其元素個數(shù)為size指定的參數(shù)的乘積
我們前面已經(jīng)說過了rand()這個函數(shù),它返回的元素值是服從0-1的均勻分布,那如果不想要生成的是0-1范圍內(nèi)的均勻分布,想要其它范圍內(nèi)的均勻分布怎么辦呢。
uniform()實現(xiàn)了這個功能,它可以生成服從指定范圍內(nèi)的均勻分布的元素。其返回值的元素類型為浮點型。需注意的是元素值的范圍包含low,不包含high。
舉例說明:
import numpy as np # 指定一個參數(shù)low mat = np.random.uniform() print(mat) print(type(mat)) # 指定low和high,生成一個[low,high)的元素值 mat = np.random.uniform(low=5, high=10) print(mat) print(type(mat)) # 指定size大小,生成一個三行三列的二維數(shù)組,元素個數(shù)為3x3=9個 mat = np.random.uniform(low=2, high=10, size=(3, 3)) print(mat) # 查看默認(rèn)元素值的類型 print(type(mat[0][0])) mat = np.random.uniform(low=2, high=10, size=(3, 3, 2)) print(mat) print(type(mat[0][0][0]))
結(jié)果為:

總結(jié):以上就是常用的隨機數(shù)生成函數(shù),具體用哪一個,可根據(jù)自己需求,想要生成什么隨機數(shù),那就使用什么樣的函數(shù)。
到此這篇關(guān)于詳述numpy中的np.random.random()系列函數(shù)用法的文章就介紹到這了,更多相關(guān)numpy np.random.random()內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
Python不通過調(diào)用init方法創(chuàng)建實例的完整指南
在Python面向?qū)ο缶幊讨?__init__方法被視為標(biāo)準(zhǔn)的對象初始化機制,本文將深入探討不調(diào)用__init__方法創(chuàng)建實例的各種技術(shù),希望對大家有所幫助2025-10-10
Python實現(xiàn)文件只讀屬性的設(shè)置與取消
這篇文章主要為大家詳細(xì)介紹了Python如何實現(xiàn)設(shè)置文件只讀與取消文件只讀的功能,文中的示例代碼講解詳細(xì),感興趣的小伙伴可以了解一下2023-07-07
TensorFlow 讀取CSV數(shù)據(jù)的實例
今天小編就為大家分享一篇TensorFlow 讀取CSV數(shù)據(jù)的實例,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-02-02
Python數(shù)據(jù)分析之Python和Selenium爬取BOSS直聘崗位
今天教各位小伙伴怎么用Python和Selenium爬取BOSS直聘崗位,文中有非常詳細(xì)的代碼示例,對正在學(xué)習(xí)python爬蟲和數(shù)據(jù)分析的小伙伴有很好地幫助,需要的朋友可以參考下2021-05-05

