Python.numpy中常用的几种产生随机数的方法

在利用numpy时，经常会用到随机数。这里将几种常用的容易混淆的用法进行总结。
分别是：
np.random.randint(low, high, size, dtype)
numpy.random.rand(d0, d1, …, dn)
np.random.randn

random_sample(size)
numpy.random.random([size])
numpy.random.ranf([size])
numpy.random.sample([size])

具体使用直接上代码

import numpy as np

#np.random.randint(low, high, size, dtype) 方法将会生成 [low, high) 的随机整数。
#注意这是一个半开半闭区间。
np.random.randint(10)#只写一个参数时，在[0, 10)内随机输出一个数
np.random.randint(1, 10)#在[1, 10)内输出一个数
np.random.randint(1, 10, 5)#在[1, 10)内输出五个数字并组成一维数组（ndarray）
np.random.randint(2, 8, [2, 3])#在[2, 8)内输出6个数字并组成(2 * 3)的数组（ndarray）

#numpy.random.rand(d0, d1, ..., dn) 
#指定一个数组，并使用 [0, 1) 区间随机数据填充
#这些数据均匀分布。
np.random.rand()#从[0, 1)中随机产生一个随机数
np.random.rand(5)#从[0, 1)中随机产生五个服从均匀分布的随机数，并将其组成一维数组
np.random.rand(2, 3)#从[0, 1)#中随机产生六个服从均匀分布的随机数，并将其组成（2 * 3）的二维数组


#用法与rand()相同，但是数据服从标准正态分布
np.random.randn(2, 3)#从[0, 1)中随机产生6个服从标准正态分布分布的随机数，并将其组成（2 * 3）的二维数组


#random_sample(size) 
#numpy.random.random([size])
#numpy.random.ranf([size])
#numpy.random.sample([size])
#这四个方法将会在 [0, 1) 区间内生成指定 size 的随机浮点数。

np.random.random(5)#从[0, 1)中随机产生五个随机数，并将其组成一维数组
np.random.random_sample([2, 2])#从[0, 1)#中随机产生4个随机数，并将其组成（2 * 2）的二维数组
np.random.sample((2, 6))#从[0, 1)#中随机产生12个随机数，并将其组成（2 * 6）的二维数组

最后四种方法注意函数内指定size要加[ ]或者（）.