python机器学习库numpy---7.1、生成随机数-均匀分布
最编程
2024-01-04 10:36:28
...
python机器学习库numpy---7.1、生成随机数-均匀分布
一、总结
一句话总结：
均匀分布常用主要四个方法，表示[0, 1)之间均匀分布的rand和random，表示[low, high)之间的uniform，随机整数randint
a、服从[0, 1)之间的均匀分布： numpy.random.rand(d0, d1, ..., dn) b、[0, 1)之间均匀抽样： numpy.random.random(size=None) 和rand函数功能一样，参数不同而已 c、在区间[low, high)中均匀分布： numpy.random.uniform(low=0.0, high=1.0, size=None) d、随机整数：在区间[low, high)中离散均匀抽样： numpy.random.randint(low, high=None, size=None, dtype='l')
二、生成随机数-均匀分布
博客对应课程的视频位置：7.1、生成随机数-均匀分布-范仁义-读书编程笔记
https://www.fanrenyi.com/video/38/347
7、生成随机数
（1）、均匀分布
a、服从[0, 1)之间的均匀分布：
numpy.random.rand(d0, d1, ..., dn)
b、[0, 1)之间均匀抽样：
numpy.random.random(size=None)
和rand函数功能一样，参数不同而已
c、在区间[low, high)中均匀分布：
numpy.random.uniform(low=0.0, high=1.0, size=None)
d、随机整数：在区间[low, high)中离散均匀抽样：
numpy.random.randint(low, high=None, size=None, dtype='l')
python中，random.random( )和random.rand( )功能完全一样，numpy为什么要留两个表示0-1均匀分布的函数？
历史原因，可能是为了使 Matlab 用户更容易学习 python+numpy 的组合。如果把其中一个函数去掉，所带来的麻烦远大于好处，因为有很多现存的代码分别使用了这两个函数。
（2）、正态分布
a、标准正态分布（均值为0，标准差为1）：
numpy.random.randn(d0, d1, ..., dn)
b、服从μ=loc,σ=scale 的正态分布：
numpy.random.normal(loc=0.0, scale=1.0, size=None)
（3）、随机种子
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
代码示例：
np.random.seed(1234) #设置随机种子为1234（1）、均匀分布
（a）、服从[0, 1)之间的均匀分布：numpy.random.rand(d0, d1, ..., dn)
作用：
产生一个给定形状的数组（其实应该是ndarray对象或者是一个单值），数组中的值服从[0, 1)之间的均匀分布。
参数：
d0, d, ..., dn : int，可选。如果没有参数则返回一个float型的随机数，该随机数服从[0, 1)之间的均匀分布。
返回值：
ndarray对象或者一个float型的值In [2]:
import numpy as np
print(np.random.rand())
In [3]:
print(np.random.rand(3))
In [4]:
print(np.random.rand(3,4))
In [5]:
import matplotlib.pyplot as plt # 导入matplotlib模块，用于图表辅助分析
%matplotlib inline
# 解决中文乱码
plt.rcParams["font.sans-serif"]=["SimHei"]
plt.rcParams["font.family"]="sans-serif"
# 解决负号无法显示的问题
plt.rcParams['axes.unicode_minus'] =False
data_x = np.random.rand(1000)
data_y = np.random.rand(1000)
plt.scatter(data_x,data_y)
Out[5]:
(b)、[0, 1)之间均匀抽样：numpy.random.random(size=None)
作用：
返回从[0, 1)之间均匀抽样的数组，size指定形状。
参数：
size：
int型或int型的元组，如果不提供则返回一个服从该分布的随机数
返回值：
float型或者float型的ndarray对象In [6]:
# 无参数
print(np.random.random())
In [8]:
print(np.random.random(size=(3,)))
In [9]:
# 元组做参数
print(np.random.random((4,3)))
In [10]:
import matplotlib.pyplot as plt # 导入matplotlib模块，用于图表辅助分析
%matplotlib inline
# 解决中文乱码
plt.rcParams["font.sans-serif"]=["SimHei"]
plt.rcParams["font.family"]="sans-serif"
# 解决负号无法显示的问题
plt.rcParams['axes.unicode_minus'] =False
data_x = np.random.random((1000,))
data_y = np.random.random((1000,))
plt.scatter(data_x,data_y)
Out[10]:
