np.empty()函数、np.random.uniform()函数、np.random.normal()函数的详细介绍和代码说明

np.empty()函数

函数定义：
numpy.empty(shape, dtype=float, order='c， like=None）*

np.empty()是依据给定形状和类型(shape,[dtype, order])返回一个新的空数组。由于np.empty()返回一个随机元素的矩阵，所以使用的时候需要手工把每一个值重新定义，否则该值是接近零的随机数。

import numpy as np

a = np.empty((2,3,4 ), dtype=np.float64)
print(a)

输出的结果为：

通过图片的显示，可以看出，在不予对生成的矩阵赋值时，里面的值是很小的，趋于零。

np.random.uniform()函数

函数定义：
numpy.random.uniform(low,high,size)

函数参数:
low: 采样下界，float类型，默认值为0；
high: 采样上界，float类型，默认值为1；
size: 输出样本数目，为int或元组(tuple)类型，例如，size=(m,n,k), 则输出 m * n * k 个样本

函数返回值：ndarray类型，其形状和参数size中描述一致。

函数功能：从一个均匀分布[low,high)中随机采样，定义域是左闭右开，即包含low，不包含high。

代码 np.random.uniform(0., 100., size=100)则表示均匀产生一百个样本，样本范围是从0到100，且包含0不包含100。

np.random.normal()函数

函数定义：
np.random.normal(loc=0.0, scale=1.0, size=None)

loc：float型，是概率分布的均值。loc=0说明这一个以Y轴为对称轴的正态分布。
scale：float型，是概率分布的标准差。
size：输出的shape，默认为None，只输出一个值。

举例：生成一个均值为1.75，标准差为1，点数为10000000的正态分布数据

import matplotlib.pyplot as plt
import numpy as np
# 生成均匀分布的随机数
x1 = np.random.normal(1.75, 1, 10000000)
# 创建画布
plt.figure(figsize=(6, 8), dpi=100)
# 绘制直方图
plt.hist(x1, 10000)
# 显示图像
plt.show()

结果显示：

np.random的其它常见函数

1、randint:
定义：numpy.random.randint(low, high=None, size=None, dtype=‘l’)
功能：产生随机整数；

2、random_integers:
定义： numpy.random.random_integers(low, high=None, size=None)
功能：在闭区间上产生随机整数；

3、random_sample:
定义： numpy.random.random_sample(size=None)
功能：在[0.0,1.0)上随机采样；

4、random:
定义： numpy.random.random(size=None)
功能：和random_sample一样，是random_sample的别名；

5、rand:
定义： numpy.random.rand(d0, d1, …, dn)
功能：产生d0 - d1 - … - dn形状的在[0,1)上均匀分布的float型数。

6、randn:
定义：numpy.random.randn（d0,d1,…,dn)
功能：产生d0 - d1 - … - dn形状的标准正态分布的float型数。

参考

https://blog.csdn.net/qq_37006426/article/details/116463961
https://blog.csdn.net/weixin_48135624/article/details/115410918