numpy.random.randn()用法
在python数据分析的学习和应用过程中,经常需要用到numpy的随机函数,由于随机函数random的功能比较多,经常会混淆或记不住,下面我们一起来汇总学习下。
import numpy as np
1 numpy.random.rand()
numpy.random.rand(d0,d1,…,dn)
- rand函数根据给定维度生成[0,1)之间的数据,包含0,不包含1
- dn表格每个维度
- 返回值为指定维度的array
np.random.rand(4,2)
array([[ 0.02173903, 0.44376568],[ 0.25309942, 0.85259262],[ 0.56465709, 0.95135013],[ 0.14145746, 0.55389458]])
np.random.rand(4,3,2) # shape: 4*3*2
array([[[ 0.08256277, 0.11408276],[ 0.11182496, 0.51452019],[ 0.09731856, 0.18279204]],[[ 0.74637005, 0.76065562],[ 0.32060311, 0.69410458],[ 0.28890543, 0.68532579]],[[ 0.72110169, 0.52517524],[ 0.32876607, 0.66632414],[ 0.45762399, 0.49176764]],[[ 0.73886671, 0.81877121],[ 0.03984658, 0.99454548],[ 0.18205926, 0.99637823]]])
2 numpy.random.randn()
numpy.random.randn(d0,d1,…,dn)
- randn函数返回一个或一组样本,具有标准正态分布。
- dn表格每个维度
- 返回值为指定维度的array
np.random.randn() # 当没有参数时,返回单个数据
-1.1241580894939212
np.random.randn(2,4)
array([[ 0.27795239, -2.57882503, 0.3817649 , 1.42367345],[-1.16724625, -0.22408299, 0.63006614, -0.41714538]])
np.random.randn(4,3,2)
array([[[ 1.27820764, 0.92479163],[-0.15151257, 1.3428253 ],[-1.30948998, 0.15493686]],[[-1.49645411, -0.27724089],[ 0.71590275, 0.81377671],[-0.71833341, 1.61637676]],[[ 0.52486563, -1.7345101 ],[ 1.24456943, -0.10902915],[ 1.27292735, -0.00926068]],[[ 0.88303 , 0.46116413],[ 0.13305507, 2.44968809],[-0.73132153, -0.88586716]]])
标准正态分布介绍
- 标准正态分布—-standard normal distribution
- 标准正态分布又称为u分布,是以0为均值、以1为标准差的正态分布,记为N(0,1)。
3 numpy.random.randint()
3.1 numpy.random.randint()
numpy.random.randint(low, high=None, size=None, dtype=’l’)
- 返回随机整数,范围区间为[low,high),包含low,不包含high
- 参数:low为最小值,high为最大值,size为数组维度大小,dtype为数据类型,默认的数据类型是np.int
- high没有填写时,默认生成随机数的范围是[0,low)
np.random.randint(1,size=5) # 返回[0,1)之间的整数,所以只有0
array([0, 0, 0, 0, 0])
np.random.randint(1,5) # 返回1个[1,5)时间的随机整数
4
np.random.randint(-5,5,size=(2,2))
array([[ 2, -1],[ 2, 0]])
3.2 numpy.random.random_integers
numpy.random.random_integers(low, high=None, size=None)
- 返回随机整数,范围区间为[low,high],包含low和high
- 参数:low为最小值,high为最大值,size为数组维度大小
- high没有填写时,默认生成随机数的范围是[1,low]
该函数在最新的numpy版本中已被替代,建议使用randint函数
np.random.random_integers(1,size=5)
array([1, 1, 1, 1, 1])
4 生成[0,1)之间的浮点数
- numpy.random.random_sample(size=None)
- numpy.random.random(size=None)
- numpy.random.ranf(size=None)
- numpy.random.sample(size=None)
print('-----------random_sample--------------')
print(np.random.random_sample(size=(2,2)))
print('-----------random--------------')
print(np.random.random(size=(2,2)))
print('-----------ranf--------------')
print(np.random.ranf(size=(2,2)))
print('-----------sample--------------')
print(np.random.sample(size=(2,2)))
-----------random_sample--------------
[[ 0.34966859 0.85655008][ 0.16045328 0.87908218]]
-----------random--------------
[[ 0.25303772 0.45417512][ 0.76053763 0.12454433]]
-----------ranf--------------
[[ 0.0379055 0.51288667][ 0.71819639 0.97292903]]
-----------sample--------------
[[ 0.59942807 0.80211491][ 0.36233939 0.12607092]]
5 numpy.random.choice()
numpy.random.choice(a, size=None, replace=True, p=None)
- 从给定的一维数组中生成随机数
- 参数: a为一维数组类似数据或整数;size为数组维度;p为数组中的数据出现的概率
- a为整数时,对应的一维数组为np.arange(a)
np.random.choice(5,3)
array([4, 1, 4])
np.random.choice(5, 3, replace=False)
# 当replace为False时,生成的随机数不能有重复的数值
array([0, 3, 1])
np.random.choice(5,size=(3,2))
array([[1, 0],[4, 2],[3, 3]])
demo_list = ['lenovo', 'sansumg','moto','xiaomi', 'iphone']
np.random.choice(demo_list,size=(3,3))
array([['moto', 'iphone', 'xiaomi'],['lenovo', 'xiaomi', 'xiaomi'],['xiaomi', 'lenovo', 'iphone']],dtype='<U7')
- 参数p的长度与参数a的长度需要一致;
- 参数p为概率,p里的数据之和应为1
demo_list = ['lenovo', 'sansumg','moto','xiaomi', 'iphone']
np.random.choice(demo_list,size=(3,3), p=[0.1,0.6,0.1,0.1,0.1])
array([['sansumg', 'sansumg', 'sansumg'],['sansumg', 'sansumg', 'sansumg'],['sansumg', 'xiaomi', 'iphone']],dtype='<U7')
6 numpy.random.seed()
- np.random.seed()的作用:使得随机数据可预测。
- 当我们设置相同的seed,每次生成的随机数相同。如果不设置seed,则每次会生成不同的随机数
np.random.seed(0)
np.random.rand(5)
array([ 0.5488135 , 0.71518937, 0.60276338, 0.54488318, 0.4236548 ])
np.random.seed(1676)
np.random.rand(5)
array([ 0.39983389, 0.29426895, 0.89541728, 0.71807369, 0.3531823 ])
np.random.seed(1676)
np.random.rand(5)
array([ 0.39983389, 0.29426895, 0.89541728, 0.71807369, 0.3531823 ])
更多精彩内容请关注公众号:
“Python数据之道”
出处:个人微信公众号:“Python数据之道”(ID:PyDataRoad)和博客园:http://www.cnblogs.com/lemonbit/
本文版权归作者所有,欢迎转载,但未经作者同意必须保留此段声明,且在文章页面明显位置给出原文出处,否则保留追究法律责任的权利。
numpy.random.randn()用法相关推荐
- numpy.random.randn()与rand()的区别
1.numpy中有一些常用的用来产生随机数的函数,randn()和rand()就属于这其中. numpy.random.randn(d0, d1, -, dn)是从标准正态分布中返回一个或多个样本值 ...
- numpy.random.randn()与numpy.random.rand()的区别(转)
numpy中有一些常用的用来产生随机数的函数,randn()和rand()就属于这其中. numpy.random.randn(d0, d1, -, dn)是从标准正态分布中返回一个或多个样本值. ...
- numpy.random.rand、numpy.random.randn
numpy.random.rand(d0,d1,-,dn) 返回一个或一组服从"0~1"均匀分布的随机样本值.随机样本取值范围是[0,1),不包括1 print(np.random ...
- [转载] python numpy.random.randn()与numpy.random.rand()的区别 (正态分布公式)(标准正态分布 standard normal distribution
参考链接: Python中的numpy.random.randn 引用文章: numpy.random.randn()与numpy.random.rand()的区别 https://www.cnblo ...
- numpy.random.rand(),numpy.random.randn(),numpy.random.normal()函数介绍和示例
numpy.random.rand(),numpy.random.randn(),numpy.random.normal()函数介绍和示例 1. numpy.random.rand() 均匀分布 范围 ...
- python中rand和randn_基于numpy.random.randn()与rand()的区别详解
下面为大家分享一篇基于numpy.random.randn()与rand()的区别详解,具有很好的参考价值,希望对大家有所帮助.一起过来看看吧 numpy中有一些常用的用来产生随机数的函数,randn ...
- numpy.random.choice用法
python,numpy中np.random.choice()的用法详解及其参考代码 处理数据时经常需要从数组中随机抽取元素,这时候就需要用到np.random.choice().然而choice用法 ...
- numpy.random.choice()用法详解(附官方文档)
numpy.random.choice numpy官方文档:https://numpy.org/devdocs/reference/random/generated/numpy.random.choi ...
- numpy.random.seed()用法详解
1.总体说明: numpy.random.seed()中每一个数字代表一种随机数生成规则,当种子数确定后,每次调用numpy.random下的随机函数时,都会根据该种子数对应的规则,依次生成随机数或随 ...
最新文章
- 漫画 | 程序媛小姐姐带你一次了解什么是排序算法
- java-jwt这个库没用过吧?
- xampp python linux,Ubuntu的XAMPP着运行python脚本
- OVS vswitchd启动(三十五)
- git版本管理工具push失败解决方案参考
- Java中创建对象的5种方式
- chrome jsp 显示不正常_JSP程序在chrome下不兼容的问题!
- Python简单的拼写检查
- 怎么在百度里通过关键词搜索到自己的网站
- [开源]KJFramework.Message 智能二进制消息框架 - 新能力
- redis数据丢失_Redis持久化Redis宕机或者出现意外删库导致数据丢失解决方案
- lua循环,减少不必要的循环
- docker中运行mysql5.7,使用navicat链接报错10061/10060
- Android UI 调试常用工具(Dump view UI hierarchy for Automator)
- Oracle P6培训系列:06创建项目日历
- 《HelloGitHub》第 71 期
- Python模拟简易版淘宝客服机器人
- 简单的购物车和购物车结算
- verilog的一些技巧,就靠他拿offer了!
- Qlikview配置ODBC连接SQL SERVER/ORACLE
热门文章
- android holder 内部类,Android RecyclerView中的ViewHolder
- Word制作表格教程一看就会
- 华为荣耀5cvs华为v9play_华为荣耀V9play和荣耀V9有什么区别?
- 台式电脑怎么调分辨率_电脑屏幕正常分辨率是多少_台式电脑屏幕正常分辨率怎么设置-win7之家...
- 超详细资料:MT7668AUN_MT7668AEN_MT7668ASN_Datasheet
- 【Linux】【软件平台】软件平台的修炼系列之零——概述
- 关于 uview-ui 版本号不兼容问题
- mysql explain是什么意思_mysql explain的作用是什么?
- csgo开箱去哪儿开,什么csgo开箱网站比较好?
- HDevelop halcon 获取圆环内圆半径