python隨機生成

在數據分析中，數據的獲取是第一步，numpy.random 模塊提供了非常全的自動產生數據API，是學習數據分析的第一步。 
總體來說，numpy.random模塊分為四個部分，對應四種功能： 

1. 簡單隨機數： 產生簡單的隨機數據，可以是任何維度 
2. 排列：將所給對象隨機排列 
3. 分布：產生指定分布的數據，如高斯分布等 
4. 生成器：種隨機數種子，根據同一種子產生的隨機數是相同的 

1. 生成器

電腦產生隨機數需要明白以下幾點： 

 

1. 隨機數是由隨機種子根據一定的計算方法計算出來的數值。所以，只要計算方法一定，隨機種子一定，那么產生的隨機數就不會變。 
2. 只要用戶不設置隨機種子，那么在默認情況下隨機種子來自系統時鍾（即定時/計數器的值） 
3. 隨機數產生的算法與系統有關，Windows和Linux是不同的，也就是說，即便是隨機種子一樣，不同系統產生的隨機數也不一樣。 

numpy.random 設置種子的方法有：

 

函數名稱	函數功能	參數說明
RandomState	定義種子類	RandomState是一個種子類，提供了各種種子方法，最常用seed
seed([seed])	定義全局種子	參數為整數或者矩陣

2. 簡單隨機數

 

函數名稱	函數功能	參數說明
rand(d0, d1, …, dn)	產生均勻分布的隨機數	dn為第n維數據的維度
randn(d0, d1, …, dn)	產生標准正態分布隨機數	dn為第n維數據的維度
randint(low[, high, size, dtype])	產生隨機整數	low：最小值；high：最大值；size：數據個數
random_sample([size])	在[0,1）內產生隨機數	size：隨機數的shape，可以為元祖或者列表，[2,3]表示2維隨機數，維度為（2,3）
random([size])	同random_sample([size])	同random_sample([size])
ranf([size])	同random_sample([size])	同random_sample([size])
sample([size]))	同random_sample([size])	同random_sample([size])
choice(a[, size, replace, p])	從a中隨機選擇指定數據	a：1維數組 size：返回數據形狀
bytes(length)	返回隨機位	length：位的長度

python生成隨機數、隨機字符串

import random
import string

# 隨機整數：
print random.randint(1,50)

# 隨機選取0到100間的偶數：
print random.randrange(0, 101, 2)

#隨機產生范圍內數字

random.randrange(1000,2000)

# 隨機浮點數：
print random.random()
print random.uniform(1, 10)

# 隨機字符：
print random.choice('abcdefghijklmnopqrstuvwxyz!@#$%^&*()')

# 多個字符中生成指定數量的隨機字符：
print random.sample('zyxwvutsrqponmlkjihgfedcba',5)

----->>[w],[e],[r],[t]

#Python join() 方法用於將序列中的元素以指定的字符連接生成一個新的字符串。

import random

import numpy as np

b=(random.sample('zyxwv1684365136461utsrqp1234567890onmlkjihgfedcba',4))

print("".join(b))

---->>w68f

 

# 從a-zA-Z0-9生成指定數量的隨機字符：
ran_str = ''.join(random.sample(string.ascii_letters + string.digits, 8))
print ran_str

# 多個字符中選取指定數量的字符組成新字符串：
prin ''.join(random.sample(['z','y','x','w','v','u','t','s','r','q','p','o','n','m','l','k','j','i','h','g','f','e','d','c','b','a'], 5))

# 隨機選取字符串：
print random.choice(['剪刀', '石頭', '布'])

# 打亂排序
items = [1, 2, 3, 4, 5, 6, 7, 8, 9, 0]
print random.shuffle(items)

#產生2行三列均勻分布隨機數組

print random.rand(2,3) 

#三行三列正態分布隨機數據

print random.randn(3,3) #

#(1,100）以內的5行5列隨機整數

print random.randint(1,100,[5,5]) #

#以內10個隨機浮點數

print random.random(10) #(0,1）

#內隨機選擇一個數

3. 分布

numpy.random模塊提供了產生各種分布隨機數的API：

函數名稱	函數功能	參數說明
beta(a, b[, size])	貝塔分布樣本，在 [0, 1]內。
binomial(n, p[, size])	二項分布的樣本。
chisquare(df[, size])	卡方分布樣本。
dirichlet(alpha[, size])	狄利克雷分布樣本。
exponential([scale, size])	指數分布
f(dfnum, dfden[, size])	F分布樣本。
gamma(shape[, scale, size])	伽馬分布
geometric(p[, size])	幾何分布
gumbel([loc, scale, size])	耿貝爾分布。
hypergeometric(ngood, nbad, nsample[, size])	超幾何分布樣本。
laplace([loc, scale, size])	拉普拉斯或雙指數分布樣本
logistic([loc, scale, size])	Logistic分布樣本
lognormal([mean, sigma, size])	對數正態分布
logseries(p[, size])	對數級數分布。
multinomial(n, pvals[, size])	多項分布
multivariate_normal(mean, cov[, size])	多元正態分布。
negative_binomial(n, p[, size])	負二項分布
noncentral_chisquare(df, nonc[, size])	非中心卡方分布
noncentral_f(dfnum, dfden, nonc[, size])	非中心F分布
normal([loc, scale, size])	正態(高斯)分布
pareto(a[, size])	帕累托（Lomax）分布
poisson([lam, size])	泊松分布
power(a[, size])	Draws samples in [0, 1] from a power distribution with positive exponent a - 1.
rayleigh([scale, size])	Rayleigh 分布
standard_cauchy([size])	標准柯西分布
standard_exponential([size])	標准的指數分布
standard_gamma(shape[, size])	標准伽馬分布
standard_normal([size])	標准正態分布 (mean=0, stdev=1).
standard_t(df[, size])	Standard Student’s t distribution with df degrees of freedom.
triangular(left, mode, right[, size])	三角形分布
uniform([low, high, size])	均勻分布
vonmises(mu, kappa[, size])	von Mises分布
wald(mean, scale[, size])	瓦爾德（逆高斯）分布
weibull(a[, size])	Weibull 分布
zipf(a[, size])	齊普夫分布

  

 

 

#正態分布
import numpy as np
import matplotlib.pyplot as plt

mu = 1  #期望為1
sigma = 3  #標准差為3
num = 10000  #個數為10000

rand_data = np.random.normal(mu, sigma, num)
count, bins, ignored = plt.hist(rand_data, 30, normed=True)
plt.plot(bins, 1/(sigma * np.sqrt(2 * np.pi)) *np.exp( - (bins - mu)**2 / (2 * sigma**2)), linewidth=2, color='r')
plt.show()

4. 排列

函數名稱	函數功能	參數說明
shuffle(x)	打亂對象x（多維矩陣按照第一維打亂）	矩陣或者列表
permutation(x)	打亂並返回該對象（多維矩陣按照第一維打亂）	整數或者矩陣

#正態分布
import numpy as np
rand_data = np.random.randint(1, 10, (3, 4))
print(rand_data)
np.random.shuffle(rand_data)
print(rand_data)

out：
[[4 4 4 8]
 [5 6 8 2]
 [1 7 6 6]]
[[4 4 4 8]
 [1 7 6 6]
 [5 6 8 2]]
#按照行打亂了，也就是交換了行