Python和numpy生成随机数

http://blog.csdn.net/pipisorry/article/details/39086463

随机数种子

要每次产生随机数相同就要设置种子，相同种子数的Random对象，相同次数生成的随机数字是完全相同的；

random.seed(1)

这样 random.randint( 0, 6, ( 4, 5))每次都产生一样的4*5的随机矩阵

关于种子的介绍可参见[Java - 常用函数Random函数]

Python标准库random模块

（生成随机数模块）

random.random()

random.random()用于生成一个0到1的随机符点数: 0 <= n < 1.0

random.uniform(a, b)

　　random.uniform的函数原型为：random.uniform(a, b)，用于生成一个指定范围内的随机符点数。如果a > b，则生成的随机数n: b <= n <= a。如果 a <b， 则 a <= n <= b。

 print random.uniform(10, 20)
 print random.uniform(20, 10)
 #---- 结果（不同机器上的结果不一样）
 #18.7356606526
 #12.5798298022

random.randint(a, b)

　　random.randint()的函数原型为：random.randint(a, b)，用于生成一个指定范围内的整数。其中参数a是下限，参数b是上限，生成的随机数n: a <= n <= b

Note:a = [random.randint(0, 100) for __ in range(100)]    #生成100个指定范围内的整数

 print random.randint(12, 20)  #生成的随机数n: 12 <= n <= 20
 print random.randint(20, 20)  #结果永远是20
 #print random.randint(20, 10)  #该语句是错误的。下限必须小于上限。

random.randrange([start], stop[, step])

　　random.randrange的函数原型为：random.randrange([start], stop[, step])，从指定范围内，按指定基数递增的集合中 获取一个随机数。如：random.randrange(10, 100, 2)，结果相当于从[10, 12, 14, 16, ... 96, 98]序列中获取一个随机数。random.randrange(10, 100, 2)在结果上与 random.choice(range(10, 100, 2) 等效。

random.choice(sequence)

　　random.choice从序列中获取一个随机元素。其函数原型为：random.choice(sequence)。参数sequence表示一个有序类型。这里要说明 一下：sequence在python不是一种特定的类型，而是泛指一系列的类型。list, tuple, 字符串都属于sequence。有关sequence可以查看python手册数据模型这一章，也可以参考：http://www.17xie.com/read-37422.html 。下面是使用choice的一些例子：

 print random.choice("学习Python")
 print random.choice(["JGood", "is", "a", "handsome", "boy"])
 print random.choice(("Tuple", "List", "Dict"))

random.shuffle(x[, random])

　　random.shuffle的函数原型为：random.shuffle(x[, random])，用于将一个列表中的元素打乱。如:

 p = ["Python", "is", "powerful", "simple", "and so on..."]
 random.shuffle(p)
 print p
 #---- 结果（不同机器上的结果可能不一样。）
 #['powerful', 'simple', 'is', 'Python', 'and so on...']

random.sample(sequence, k)

　　random.sample的函数原型为：random.sample(sequence, k)，从指定序列中随机获取指定长度的片断。sample函数不会修改原有序列。

 list = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
 slice = random.sample(list, 5)  #从list中随机获取5个元素，作为一个片断返回
 print slice

Note:上面这些方法是random模块中最常用的，在Python手册中，还介绍其他的方法。感兴趣的朋友可以通过查询Python手册了解更详细的信息。

皮皮blog

numpy中的random模块

 linspace(start, end, num): 如linspace(0,1,11)结果为[0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1];

arange(n): 产生一个从0到n-1的向量，如arange(4)结果为[0,1,2,3]

random.random([...]): 产生随机矩阵，如random.random([2,3])产生一个2x3维的随机数

Simple random data
rand(d0, d1, ..., dn)    Random values in a given shape.
randn(d0, d1, ..., dn)    Return a sample (or samples) from the “standard normal” distribution.
randint(low[, high, size])    Return random integers from low (inclusive) to high (exclusive).
random_integers(low[, high, size])    Return random integers between low and high, inclusive.
random_sample([size])    Return random floats in the half-open interval [0.0, 1.0).
random([size])    Return random floats in the half-open interval [0.0, 1.0).
ranf([size])    Return random floats in the half-open interval [0.0, 1.0).
sample([size])    Return random floats in the half-open interval [0.0, 1.0).
choice(a[, size, replace, p])    Generates a random sample from a given 1-D array ..
bytes(length)    Return random bytes.

np.random.rand(a, b)

from numpy import random

x = random.rand(2, 3)
print(x)
[[ 0.1169922   0.08614147  0.17997144]
 [ 0.5694889   0.43067372  0.62135592]]

x, y = random.rand(2, 3)
print(x)
print(y)
[ 0.60527337  0.78765269  0.71884661]
[ 0.67420571  0.946359    0.7632273 ]

[ numpy - 基本数据类型、多维数组ndarray及函数操作]

np.random.randint(a, b, size=(c, d))

raw_user_item_mat = random.randint(0, 10, size=(3,4))     #指定生成随机数范围和生成的多维数组大小
print(raw_user_item_mat)
[[3 6 2 8]
 [3 1 2 4]
 [9 4 5 0]]

[ Random sampling ( numpy.random)]
from: http://blog.csdn.net/pipisorry/article/details/39086463
ref: The Python Standard Library
http://blog.csdn.net/jgood/article/details/4278885

Numpy中使用矩阵-特殊的函数

python标准库中的随机分布函数