python中的隨機數函數

python中的隨機函數有很多，很容易混淆，這里總結一下。主要參考自：https://blog.csdn.net/brucewong0516/article/details/79011562

python中常用的隨機函數有：1）np.random.rand；2）np.random.randint；3）np.random.randn；4）np.random.random。

1. np.random.rand(d0, d1, ..., dn)

根據給定維度生成[0,1)之間的數據，包含0，不包含1。其中dn表示每個維度的大小，n表示維度的個數。返回值為指定維度的array。

舉例：

import numpy as np

x = np.random.rand(3, 2)
print(x.shape)
print(x)

'''
輸出結果：
(3, 2)
[[0.55911292 0.5242528 ]
 [0.15812263 0.88402055]
 [0.50265009 0.65779738]]
'''

2. np.random.randn(d0, d1, …, dn)

randn函數返回一個或一組樣本，具有標准正態分布，均值為0，標准差為1。其中dn表示每個維度的大小，n表示維度的個數。返回值為指定維度的array。

舉例：

import numpy as np

x = np.random.randn(3, 2)
print(x.shape)
print(x)

'''
輸出結果：
(3, 2)
[[-0.81758026 -0.0527769 ]
 [ 0.36913285  1.67281363]
 [ 0.83645057 -0.54296909]]
'''

3. np.random.randint(low[, high, size])

返回隨機整數，范圍區間為[low,high），包含low，不包含high。其中low為最小值，high為最大值，size為數組維度大小，dtype為數據類型，默認的數據類型是np.int。high沒有填寫時，默認生成隨機數的范圍是[0，low)。

import numpy as np

x = np.random.randint(3)
print(x)
# 1

x = np.random.randint(1,5)
print(x)
# 3

x = np.random.randint(3, size=5)
print(x)
# [0 1 2 2 0]

x = np.random.randint(3, size=[2, 2])
print(x)
'''
[[2 0]
 [0 1]]
'''

4. np.random.random([size])

生成[0,1)之間的浮點數，與np.random.rand()功能類似。舉例：

import numpy as np

x = np.random.random(size=[2, 2])
print(x)
'''
[[0.94329549 0.93561065]
 [0.33493102 0.67862068]]
'''

• numpy.random.random_sample(size=None)
• numpy.random.ranf(size=None)
• numpy.random.sample(size=None)

上面三個函數同樣具有類似的功能。

5. np.random.choice(a[, size, replace, p])

從一個給定的一維數組，生成一個隨機樣本.

參數： a為一維數組類似數據或整數；size為數組維度；repalce參數為是否可以重復，當設置為FALSE時，不能出現重復的數據；p為數組中的數據出現的概率。

a為整數時，對應的一維數組為np.arange(a)。

import numpy as np

'''
第一個參數值5對應的a,即傳入的數據組
第二個參數3就是數組的size，傳入單值時，數據維度是一維的
此處將生成一個一維數據包含3個小於5的整數的數組
'''
x = np.random.choice(5, 3)
print(x)
#[4 0 4]

#給數組中每個數據出現的概率賦值
x = np.random.choice(5, 3, p=[0.1, 0, 0.3, 0.6, 0])
print(x)
#[3 2 2]

#repalce參數為是否可以重復，當設置為FALSE時，不能出現重復的數據
x = np.random.choice(5, 4, replace=False)
print(x)
#[2 4 1 0]

#也可以傳入非數字、字符串的數組
demo_list = ['lenovo', 'sansumg','moto','xiaomi', 'iphone']
x = np.random.choice(demo_list,size=(3,3))
print(x)
'''
[['sansumg' 'sansumg' 'xiaomi']
 ['sansumg' 'iphone' 'sansumg']
 ['lenovo' 'xiaomi' 'lenovo']]
'''

6. np.random.seed()

生成隨機數的種子，使得每次生成隨機數相同。當我們設置相同的seed，每次生成的隨機數相同。如果不設置seed，則每次會生成不同的隨機數。

舉例：

import tensorflow as tf
import numpy as np
from sklearn.utils import check_random_state

x = np.random.randint(0, 10)
print(x)
# 8

x = np.random.randint(0, 10)
print(x)
# 9

np.random.seed(0)
x = np.random.randint(0, 10)
print(x)
# 5

np.random.seed(0)
x = np.random.randint(0, 10)
print(x)
# 5