python--随机数

python中随机数的相关操作,可以使用自带的random模块或者是numpy模块。

random 模块

random模块是python自带的模块,包含了一些常用的简单的随机数生成方法。

浮点数

import random
# 生成[0,1)之间的一个随机浮点数
random.random()
0.4357873596360974
# 生成指定范围的一个随机浮点数
random.uniform(1, 2)
1.1537731999982404

整数

# 生成指定范围(闭区间)的一个随机整数
random.randint(1, 10)
5
# 生成指定范围和加步长的一个随机整数
random.randrange(1, 10, 2)
9

抽样

# 从指定序列中随机抽取一个元素
random.choice([1, 2, 3.14])
2
# 从指定序列中抽取多个元素(不重复抽样)
random.sample('abcde', 3)
['b', 'a', 'e']
# 打乱一个序列
s = [1, 2, 3, 4]
random.shuffle(s)
print(s)
[2, 4, 1, 3]

numpy模块

numpy模块是python中最常用的模块之一,其中的子模块numpy.random又包含了随机数的各种操作。

浮点数

import numpy as np
# 生成[0,1)之间的一维随机浮点数数组
np.random.random(4)
array([0.26922045, 0.45338468, 0.2667209 , 0.62255286])
# 生成[0,1)之间的多维随机浮点数数组
np.random.random((4, 3))
array([[0.19398982, 0.28693448, 0.57941031],
       [0.8386064 , 0.02942627, 0.24896634],
       [0.41525009, 0.58052572, 0.23733985],
       [0.94862836, 0.08157939, 0.45101497]])
# 指定范围的一维随机浮点数数组
np.random.uniform(1, 10, 4)
array([1.20032726, 3.96783835, 1.56162943, 3.64595038])
# 指定范围的多维随机浮点数数组
np.random.uniform(1, 10, (4, 3))
array([[2.59379072, 4.33796891, 5.65677283],
       [5.9281816 , 7.9627333 , 5.86462996],
       [9.20429634, 3.87825153, 1.0633509 ],
       [3.05536621, 2.70043624, 1.01325468]])

整数

# 生成指定范围的一维随机整数数组
np.random.randint(1, 10, 4)
array([6, 2, 5, 4])
# 生成指定范围的多维随机整数数组
np.random.randint(1, 10, (4, 3))
array([[3, 1, 7],
       [9, 9, 3],
       [7, 7, 9],
       [9, 2, 7]])

标准正常分布

# 一维标准正常分布随机数组
np.random.randn(4)
array([ 1.19227094,  0.34559607, -0.21750576, -1.05699877])
# 多维标准正常分布随机数组
np.random.randn(4, 3)
array([[-0.83280524, -1.47272864, -0.28597398],
       [ 0.33624646, -0.08334389, -0.40325762],
       [-1.01388086, -0.57192697, -0.41757606],
       [-0.56878021, -0.0628198 ,  1.64388134]])

标准均匀分布

# 一维均匀分布随机数组
np.random.rand(4)
array([0.83412867, 0.6799971 , 0.15787732, 0.489973  ])
# 多维均匀分布随机数组
np.random.rand(4, 3)
array([[0.94274586, 0.43957687, 0.34122111],
       [0.90172271, 0.30332525, 0.49575208],
       [0.15603219, 0.52114122, 0.32769766],
       [0.4088528 , 0.45364653, 0.27336764]])

抽样

# 从指定序列抽取多个元素(默认重复抽样)
np.random.choice(5,3)
array([3, 0, 3])
# 从指定序列抽取多个元素(不重复抽样)
np.random.choice(5,3,replace=False)
array([0, 2, 1])
# 打乱一个序列
s=np.arange(10)
np.random.shuffle(s)
print(s)
[0 3 1 5 6 8 7 2 9 4]
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 159,835评论 4 364
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,598评论 1 295
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 109,569评论 0 244
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 44,159评论 0 213
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,533评论 3 287
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,710评论 1 222
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,923评论 2 313
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,674评论 0 203
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,421评论 1 246
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,622评论 2 245
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,115评论 1 260
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,428评论 2 254
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,114评论 3 238
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,097评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,875评论 0 197
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,753评论 2 276
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,649评论 2 271

推荐阅读更多精彩内容