python二项分布产生随机数_python随机生成 - osc_c10h48oh的个人空间 - OSCHINA - 中文开源技术交流社区...

在数据分析中，数据的获取是第一步，numpy.random 模块提供了非常全的自动产生数据API，是学习数据分析的第一步。

总体来说，numpy.random模块分为四个部分，对应四种功能：

简单随机数： 产生简单的随机数据，可以是任何维度

排列：将所给对象随机排列

分布：产生指定分布的数据，如高斯分布等

生成器：种随机数种子，根据同一种子产生的随机数是相同的

1. 生成器

电脑产生随机数需要明白以下几点：

随机数是由随机种子根据一定的计算方法计算出来的数值。所以，只要计算方法一定，随机种子一定，那么产生的随机数就不会变。

只要用户不设置随机种子，那么在默认情况下随机种子来自系统时钟(即定时/计数器的值)

随机数产生的算法与系统有关，Windows和Linux是不同的，也就是说，即便是随机种子一样，不同系统产生的随机数也不一样。

numpy.random 设置种子的方法有：

函数名称

函数功能

参数说明

RandomState

定义种子类

RandomState是一个种子类，提供了各种种子方法，最常用seed

seed([seed])

定义全局种子

参数为整数或者矩阵

2. 简单随机数

函数名称

函数功能

参数说明

rand(d0, d1, …, dn)

产生均匀分布的随机数

dn为第n维数据的维度

randn(d0, d1, …, dn)

产生标准正态分布随机数

dn为第n维数据的维度

randint(low[, high, size, dtype])

产生随机整数

low：最小值；high：最大值；size：数据个数

random_sample([size])

在[0,1)内产生随机数

size：随机数的shape，可以为元祖或者列表，[2,3]表示2维随机数，维度为(2,3)

random([size])

同random_sample([size])

同random_sample([size])

ranf([size])

同random_sample([size])

同random_sample([size])

sample([size]))

同random_sample([size])

同random_sample([size])

choice(a[, size, replace, p])

从a中随机选择指定数据

a：1维数组 size：返回数据形状

bytes(length)

返回随机位

length：位的长度

python生成随机数、随机字符串

import random

import string

# 随机整数：

print random.randint(1,50)

# 随机选取0到100间的偶数：

print random.randrange(0, 101, 2)

#随机产生范围内数字

random.randrange(1000,2000)

# 随机浮点数：

print random.random()

print random.uniform(1, 10)

# 随机字符：

print random.choice('abcdefghijklmnopqrstuvwxyz!@#$%^&*()')

# 多个字符中生成指定数量的随机字符：

print random.sample('zyxwvutsrqponmlkjihgfedcba',5)

----->>[w],[e],[r],[t]

#Python join() 方法用于将序列中的元素以指定的字符连接生成一个新的字符串。

import random

import numpy as np

b=(random.sample('zyxwv1684365136461utsrqp1234567890onmlkjihgfedcba',4))

print("".join(b))

---->>w68f

# 从a-zA-Z0-9生成指定数量的随机字符：

ran_str = ''.join(random.sample(string.ascii_letters + string.digits, 8))

print ran_str

# 多个字符中选取指定数量的字符组成新字符串：

prin ''.join(random.sample(['z','y','x','w','v','u','t','s','r','q','p','o','n','m','l','k','j','i','h','g','f','e','d','c','b','a'], 5))

# 随机选取字符串：

print random.choice(['剪刀', '石头', '布'])

# 打乱排序

items = [1, 2, 3, 4, 5, 6, 7, 8, 9, 0]

print random.shuffle(items)

#产生2行三列均匀分布随机数组

print random.rand(2,3)

#三行三列正态分布随机数据

print random.randn(3,3) # #(1,100)以内的5行5列随机整数

print random.randint(1,100,[5,5]) # #以内10个随机浮点数

print random.random(10) #(0,1)

#内随机选择一个数

3. 分布

numpy.random模块提供了产生各种分布随机数的API：

函数名称

函数功能

参数说明

beta(a, b[, size])

贝塔分布样本，在 [0, 1]内。

binomial(n, p[, size])

二项分布的样本。

chisquare(df[, size])

卡方分布样本。

dirichlet(alpha[, size])

狄利克雷分布样本。

exponential([scale, size])

指数分布

f(dfnum, dfden[, size])

F分布样本。

gamma(shape[, scale, size])

伽马分布

geometric(p[, size])

几何分布

gumbel([loc, scale, size])

耿贝尔分布。

hypergeometric(ngood, nbad, nsample[, size])

超几何分布样本。

laplace([loc, scale, size])

拉普拉斯或双指数分布样本

logistic([loc, scale, size])

Logistic分布样本

lognormal([mean, sigma, size])

对数正态分布

logseries(p[, size])

对数级数分布。

multinomial(n, pvals[, size])

多项分布

multivariate_normal(mean, cov[, size])

多元正态分布。

negative_binomial(n, p[, size])

负二项分布

noncentral_chisquare(df, nonc[, size])

非中心卡方分布

noncentral_f(dfnum, dfden, nonc[, size])

非中心F分布

normal([loc, scale, size])

正态(高斯)分布

pareto(a[, size])

帕累托(Lomax)分布

poisson([lam, size])

泊松分布

power(a[, size])

Draws samples in [0, 1] from a power distribution with positive exponent a - 1.

rayleigh([scale, size])

Rayleigh 分布

standard_cauchy([size])

标准柯西分布

standard_exponential([size])

标准的指数分布

standard_gamma(shape[, size])

标准伽马分布

standard_normal([size])

标准正态分布 (mean=0, stdev=1).

standard_t(df[, size])

Standard Student’s t distribution with df degrees of freedom.

triangular(left, mode, right[, size])

三角形分布

uniform([low, high, size])

均匀分布

vonmises(mu, kappa[, size])

von Mises分布

wald(mean, scale[, size])

瓦尔德(逆高斯)分布

weibull(a[, size])

Weibull 分布

zipf(a[, size])

齐普夫分布

#正态分布

import numpy as np

import matplotlib.pyplot as plt

mu = 1 #期望为1

sigma = 3 #标准差为3

num = 10000 #个数为10000

rand_data = np.random.normal(mu, sigma, num)

count, bins, ignored = plt.hist(rand_data, 30, normed=True)

plt.plot(bins, 1/(sigma * np.sqrt(2 * np.pi)) *np.exp( - (bins - mu)**2 / (2 * sigma**2)), linewidth=2, color='r')

plt.show()

4. 排列

函数名称

函数功能

参数说明

shuffle(x)

打乱对象x(多维矩阵按照第一维打乱)

矩阵或者列表

permutation(x)

打乱并返回该对象(多维矩阵按照第一维打乱)

整数或者矩阵

#正态分布

import numpy as np

rand_data = np.random.randint(1, 10, (3, 4))

print(rand_data)

np.random.shuffle(rand_data)

print(rand_data)

out：

[[4 4 4 8]

[5 6 8 2]

[1 7 6 6]]

[[4 4 4 8]

[1 7 6 6]

[5 6 8 2]]

#按照行打乱了，也就是交换了行