numpy学习(四)——随机数和随机种子(normal、standard_normal、randn、rand、randint、seed)

numpy.random模块中包含多种概率分布的随机样本，是数据分析辅助的重要工具之一。

（1）np.random.normal(loc=0.0, scale=1.0, size=None)、np.random.randn(d0, d1, …, dn)、np.random.standard_normal(size=None)

normal(loc=0.0, scale=1.0, size=None)
randn(d0, d1, …, dn)
standard_normal(size=None)
——————————
这三个函数都可以返回随机正态分布（高斯Gaussian 分布）的数组，都可以从numpy.random中导出。
（1）randn： randn(d0, d1, …, dn)，
返回shape为(d0, d1, …, dn)的标准正态分布（均值为0，标准差为1）的数组
（2）standard_normal： standard_normal(size=None)，
跟randn一样，也是返回标准正态分布的数组，不同的是它的shape由size参数指定，对于多维数组，size必须是元组形式；
（3）normal： normal(loc=0.0, scale=1.0, size=None)，
更一般的形式，返回均值为loc，标准差为scale的正态分布，shape由size参数决定。

import numpy as np

#randn(d0, d1, ..., dn)
#standard_normal(size=None)
#normal(loc=0.0, scale=1.0, size=None)
a=np.random.randn(3,2) #三行两列的二维数组
b=np.random.standard_normal(size=[3,2]) #三行两列的二维数组
c=np.random.normal(2,3,size=[3,2]) #均值为2，标准差为3的三行两列的二维数组

print(a)
print('------')
print(b)
print('------')
print(c)

#normal(loc=0.0, scale=1.0, size=None)
#Draw random samples from a normal (Gaussian) distribution. 从正态（高斯）分布中随机抽取样本。
import numpy as np
a = np.random.normal() #生成一个随机数
ar1 = np.random.normal(size=(2,)) #或者写成size=2。都是生成一维数组
ar2 = np.random.normal(size=(2,3))
print(a)
print(ar1)
print(ar2)

np.random.randn()函数

np.random.randn(d0, d1, …, dn)生成一个浮点数或N维浮点数组
Return a sample (or samples) from the “standard normal” distribution.从“标准正态”分布返回一个或多个样本。
当函数括号内没有参数时，则返回一个随机生成的浮点数；
当函数括号内有一个参数时，返回一维数组
当函数括号内有两个及以上参数时，则返回对应维度的数组

#randn(d0, d1, ..., dn)
#Return a sample (or samples) from the "standard normal" distribution.
#从“标准正态”分布返回一个或多个样本。 
a = np.random.randn()
b = np.random.randn(3)
c = np.random.randn(2,3)
print('a:')
print(a,type(a))
print('b:')
print(b,type(b))
print('c:')
print(c)

(2)np.random.rand(d0, d1, …, dn)

np.random.rand(d0, d1, …, dn)
通过本函数可以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。
当函数括号内没有参数时，则返回一个随机生成的浮点数；
当函数括号内有一个参数时，返回一维数组
当函数括号内有两个及以上参数时，则返回对应维度的数组

#rand(d0, d1, ..., dn) 符合均匀分布
#Random values in a given shape.给定形状中的随机值
#生成一个[0,1)之间的随机浮点数或N维浮点数组
#注意形状不是写成元组的形式
a = np.random.rand() #生成一个随机浮点数
b = np.random.rand(4)#生成形状为(4,)的一维数组
c = np.random.rand(2,3)#生成形状为(2,3)的二维数组。注意，此处不是写成（2，3）
d = np.random.rand(2,2,3)#生成三维数组,
print('a:')
print(a,type(a))
print('b:')
print(b,type(b))
print('c:')
print(c)
print('d:')
print(d)

（3）np.random.randint()

np.random.randint(low, high=None, size=None, dtype=int)
Return random integers from low (inclusive) to high (exclusive).
生成一个随机整数或随机N维整数数组
若high不为None时,取[low,high)之间的随机整数。
否则取[0,low)之间的随机整数，且high的值必须大于low
dtype参数，只能是int类型

a = np.random.randint(3)
b = np.random.randint(4,size=6)
c = np.random.randint(2,size=(2,3))
print(a)
print(b)
print(c)

"""
函数值：randint(start,end)，
左闭右开。产生一个随机整数
"""
i=np.random.randint(0,10) #产生一个【0,10）之间的随机数
j=np.random.randint(0,10)
print(i)
print(j)

每次运行的结果都可能不一样。下面为其中两次的运行结果。


(4)随机种子np.random.seed(）

import numpy as np

"""
随机种子
"""
np.random.seed(1) #数值随便指定，指定了之后对应的数值唯一

a=[]
for i in range(10):
    a0=np.random.randint(0,10)
    a.append(a0)
print(a) #每次运行结果都一样

每次运行结果都一样

import numpy as np

"""
随机种子
"""
np.random.seed(1) 
a=[]
for i in range(10):
    a0=np.random.randint(0,9) #改为【0,9）
    a.append(a0)
print(a)

注意这个运行结果与上面的有何不同。（9没了，其他的和上面顺序，大小都一样）

np.random.seed(1) #数值随便指定，指定了之后对应的数值唯一
i=np.random.randint(0,10) #产生一个[0,10）之间的随机数

j=np.random.randint(0,10)

print(i)
print(j)

无论运行多少次，结果都是一样的