numpy 生成随机数列表

一. 最直接的方式：用numpy.random模块来生成随机数组
1、np.random.rand 用于生成[0.0, 1.0)之间的随机浮点数， 当没有参数时，返回一个随机浮点数，当有一个参数时，返回该参数长度大小的一维随机浮点数数组，参数建议是整数型，因为未来版本的numpy可能不支持非整形参数。

import numpy as np

np.random.rand(10)
array([ 0.89103033, 0.60550521, 0.13856488, 0.57468244, 0.370697 ,
0.31823162, 0.58358377, 0.97177935, 0.76400592, 0.11269547])
1
2
3
4
2、np.random.randn该函数返回一个样本，具有标准正态分布。

np.random.randn(10)
array([-0.42625455, -1.86248727, 0.96323332, -0.32809754, -0.79697695,
-0.07145189, 2.89728643, 2.32095237, 1.12925633, -0.39210317])
1
2
3
3、np.random.randint(low[, high, size]) 返回随机的整数，位于半开区间 [low, high)。

np.random.randint(10,size=10)
array([4, 1, 4, 3, 8, 2, 8, 5, 8, 9])
1
2
4、random_integers(low[, high, size]) 返回随机的整数，位于闭区间 [low, high]。

np.random.random_integers(5)
2
1
2
5、 np.random.shuffle(x) 类似洗牌，打乱顺序；np.random.permutation(x)返回一个随机排列

arr = np.arange(10)
np.random.shuffle(arr)
arr
[1 7 5 2 9 4 3 6 0 8]

np.random.permutation(10)
array([1, 7, 4, 3, 0, 9, 2, 5, 8, 6])
1
2
3
4
5
6
7
二. 用random模块自己构造
1、random.randint(low, hight) -> 返回一个位于[low,hight]之间的整数

该函数接受两个参数，这两个参数必须是整数（或者小数位是0的浮点数），并且第一个参数必须不大于第二个参数

import random
random.randint(1,10)
6

random.randint(1.0, 10.0)
1
1
2
3
4
5
2、random.random() -> 不接受参数，返回一个[0.0, 1.0)之间的浮点数

random.random()
0.5885821552646049
1
2
3、random.uniform(val1, val2) -> 接受两个数字参数，返回两个数字区间的一个浮点数，不要求val1小于等于val2

random.uniform(1,5.0)
4.485403087612088

random.uniform(9.9, 2)
5.189511116007191
1
2
3
4
4、random.randrange(start, stop, step) -> 返回以start开始，stop结束，step为步长的列表中的随机整数，同样，三个参数均为整数（或者小数位为0），若start大于stop时 ，setp必须为负数.step不能是0.

random.randrange(1, 100, 2) #返回[1,100]之间的奇数
19

random.ranrange(100, 1, -2) #返回[100,1]之间的偶数
2
1
2
3
4
5、生成随机数组
方法，使用random.ranident,构造一个列表即可：

import random
def random_list(start,stop,length):
if length>=0:
length=int(length)
start, stop = (int(start), int(stop)) if start <= stop else (int(stop), int(start))
random_list = []
for i in range(length):
random_list.append(random.randint(start, stop))
return random_list
————————————————
版权声明：本文为CSDN博主「christianashannon」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/christianashannon/article/details/78867204