您的位置:首页 > 脚本大全 > > 正文

numpy常用统计分析函数(Numpy之random函数使用学习)

更多 时间:2022-04-02 16:10:55 类别:脚本大全 浏览量:656

numpy常用统计分析函数

Numpy之random函数使用学习

random模块用于生成随机数,下面看看模块中一些常用函数的用法:

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • numpy.random.rand(d0, d1, ..., dn):生成一个[0,1)之间的随机浮点数或N维浮点数组。
  •  #numpy.random.rand(d0, d1, ..., dn)
  • import numpy as np
  • #无参
  • np.random.rand()#生成生成[0,1)之间随机浮点数
  • type(np.random.rand())#float
  • #d0,d1....表示传入的数组形状
  • #一个参数
  • np.random.rand(1)#array([ 0.44280931])
  • type(np.random.rand(1))#numpy.ndarray
  • np.random.rand(5)#生成一个形状为5的一维数组
  • #两个参数
  • np.random.rand(2,3)#生成2x3的二维数组
  • #np.random.rand((2,3))#报错,参数必须是整数,不能是元组
  • numpy.random.randn(d0, d1, ..., dn):生成一个浮点数或N维浮点数组,取数范围:正态分布的随机样本数。

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • #numpy.random.randn(d0, d1, ..., dn)
  • import numpy as np
  • #无参
  • np.random.randn()#1.4872544578730051,不一定是[0,1)之间的随机数
  • #一个参数
  • np.random.randn(1)
  • np.random.randn(5)#生成形状为5的一维数组
  • #两个参数
  • np.random.randn(2,3)#生成2x3数组
  • #np.random.randn((2,3))#报错,参数必须是整数
  • numpy.random.standard_normal(size=None):生产一个浮点数或N维浮点数组,取数范围:标准正态分布随机样本

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • import numpy as np
  • #numpy.random.standard_normal(size=None)
  • #size为整数
  • np.random.standard_normal(2)#array([-2.04606393, -1.05720303])
  • #size为整数序列
  • np.random.standard_normal((2,3))
  • np.random.standard_normal([2,3]).shape#(2, 3)
  • numpy.random.randint(low, high=None, size=None, dtype='l'):生成一个整数或N维整数数组,取数范围:若high不为None时,取[low,high)之间随机整数,否则取值[0,low)之间随机整数。

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • #numpy.random.randint(low, high=None, size=None, dtype='l')
  • import numpy as np
  • #low=2
  • np.random.randint(2)#生成一个[0,2)之间随机整数
  • #low=2,size=5
  • np.random.randint(2,size=5)#array([0, 1, 1, 0, 1])
  • #low=2,high=2
  • #np.random.randint(2,2)#报错,high必须大于low
  • #low=2,high=6
  • np.random.randint(2,6)#生成一个[2,6)之间随机整数
  • #low=2,high=6,size=5
  • np.random.randint(2,6,size=5)#生成形状为5的一维整数数组
  • #size为整数元组
  • np.random.randint(2,size=(2,3))#生成一个2x3整数数组,取数范围:[0,2)随机整数
  • np.random.randint(2,6,(2,3))#生成一个2x3整数数组,取值范围:[2,6)随机整数
  • #dtype参数:只能是int类型
  • np.random.randint(2,dtype='int32')
  • np.random.randint(2,dtype=np.int32)
  • numpy.random.random_integers(low, high=None, size=None):生成一个整数或一个N维整数数组,取值范围:若high不为None,则取[low,high]之间随机整数,否则取[1,low]之间随机整数。

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • #numpy.random.random_integers(low, high=None, size=None)
  • import numpy as np
  • #low=2
  • np.random.random_integers(2)#生成一个[1,2]之间随机整数
  • #low=2、size=5
  • np.random.random_integers(2,size=5)#array([2, 1, 1, 1, 1])
  • #low=2、high=6
  • np.random.random_integers(2,6)#生成一个[2,6]之间随机整数
  • #low=2、high=6、size=5
  • np.random.random_integers(2,6,size=5)#生成一个形状为5的一维整数数组组<br>#size为整数元组<br>np.random.random_integers(2,size=(2,3))#生成一个2x3数组,取数范围:[1,2]随机整数<br>np.random.random_integers(2,6,(2,3))#生成一个2x3数组,取数范围:[2,6]随机整数
  • numpy.random.random_sample(size=None):生成一个[0,1)之间随机浮点数或N维浮点数组。

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • #numpy.random.random_sample(size=None)
  • import numpy as np
  • #size=None
  • np.random.random_sample()#生成一个[0,1)之间随机浮点数
  • #size=2
  • np.random.random_sample(2)#生成shape=2的一维数组
  • #size为整数元组
  • np.random.random_sample((2,))#等同np.random.random_sample(2)
  • #np.random.random_sample((,2))#报错
  • np.random.random_sample((2,3))#生成2x3数组
  • np.random.random_sample((3,2,2))#3x2x2数组
  • numpy.random.choice(a, size=None, replace=True, p=None):从序列中获取元素,若a为整数,元素取值为np.range(a)中随机数;若a为数组,取值为a数组元素中随机元素。

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • #numpy.random.choice(a, size=None, replace=True, p=None)
  • import numpy as np
  • #a为整数,size为None
  • np.random.choice(2)#生成一个range(2)中的随机数
  • #a为整数,size为整数
  • np.random.choice(2,2)#生成一个shape=2一维数组
  • #a为整数,size为整数元组
  • np.random.choice(5,(2,3))#生成一个2x3数组
  • #a为数组,size为None
  • np.random.choice(np.array(['a','b','c','f']))#生成一个np.array(['a','b','c','f']中随机元素
  • #a为数组,size为整数
  • np.random.choice(5,(2,3))#生成2x3数组
  • #a为数组,size为整数元组
  • np.random.choice(np.array(['a','b','c','f']),(2,3))#生成2x3数组
  • #p参数:可以理解成a中元素出现的概率,p的长度和a的长度必须相同,且p中元素之和为1,否则报错
  • #np.random.choice(2,p=[1])#报错,a和p长度不一致
  • np.random.choice(5,p=[0,0,0,0,1])#生成的始终是4
  • np.random.choice(5,3,p=[0,0.5,0.5,0,0])#生成shape=3的一维数组,元素取值为1或2的随机数
  • numpy.random.shuffle(x):对X进行重排序,如果X为多维数组,只沿第一条轴洗牌,输出为None。

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • #numpy.random.shuffle(x)
  • import numpy as np
  • list1 = [1,2,3,4,5]
  • np.random.shuffle(list1)#输出None
  • list1#[1, 2, 5, 3, 4],原序列的顺序也被修改
  • arr = np.arange(9).reshape(3,3)
  • np.random.shuffle(arr)#对于多维数组,只沿着第一条轴打乱顺序
  • numpy.random.permutation(x):与numpy.random.shuffle(x)函数功能相同,两者区别:peumutation(x)不会修改X的顺序。

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • #numpy.random.permutation(x)
  • import numpy as np
  • #x=5
  • np.random.permutation(5)#生成一个range(5)随机顺序的数组
  • #x为列表或元组
  • list1 = [1,2,3,4]
  • np.random.permutation(list1)#array([2, 1, 4, 3])
  • #list1#[1, 2, 3, 4]
  • #x为数组
  • arr = np.arange(9)
  • np.random.permutation(arr)
  • arr2 = np.arange(9).reshape(3,3)
  • np.random.permutation(arr2)#对于多维数组,只会沿着第一条轴打乱顺序
  • 以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持开心学习网。

    原文链接:https://blog.csdn.net/kancy110/article/details/69665164

    标签:NumPy Random
    您可能感兴趣