在矩陣應用的過程中，經常需要使用隨機數，那么怎么使用numpy 產生隨機數呢 ，為此專門做一個總結。

random模塊用于生成隨機數，下面是一些常用的函數用法：
numpy.random.seed(n) 其中n為任意指定

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

numpy.random.seed(0)

np.random.seed(0)
a = np.random.rand(4)  
a

array([0.5488135 , 0.71518937, 0.60276338, 0.54488318])

主要介紹了生成符合均勻分布，正態分布等數組和隨機選取數以及打亂數組順序的方法。

1.np.random.rand 生成一個0到1之間的均勻分布

import numpy as np
a = np.random.rand(2,3,4)
print(a,a.shape)

[[[0.18000344 0.03724064 0.15040061 0.93007827]
? [0.59423019 0.35439936 0.49193457 0.37633185]
? [0.83924196 0.4908405 ?0.49387427 0.98718216]]

?[[0.20072849 0.90163245 0.36710883 0.56668257]
? [0.61402791 0.46602958 0.56086072 0.83099671]
? [0.85196098 0.62774727 0.62826083 0.41739078]]] (2, 3, 4)

2.np.random.randn 返回一個符合標準正態分布的數組。

a = np.random.randn(2,3,4) 
print(a,a.shape)

[[[ 0.32062268 ?0.08867553 -0.83741647 -0.21917891]
? [-0.06516898 -1.17123767 ?2.2403833 ?-0.77741757]
? [ 0.33532261 ?0.27309929 ?1.07279005 ?0.79952468]]

?[[ 0.18503166 ?0.90777579 -1.52837098 -1.23783753]
? [ 0.9327577 ? 1.61876194 ?0.52191996 ?0.53451075]
? [-1.05485337 ?1.01472352 ?0.19376936 ?0.00278223]]] (2, 3, 4)

3.np.random.randint返回一定范圍的一維或者多維整數

numpy.random.randint(low, high=None, size=None, dtype=’l’)

返回隨機整數，范圍區間為[low,high），包含low，不包含high

size為數組維度，元組形式，如（2,3）#2行3列

high沒有填寫時，默認生成隨機數的范圍是[0，low)

dtype指定數據類型，默認int

a = np.random.randint(low=6,high=10,size=(2,3,4),dtype='int')
print(a,a.shape)

[[[8 8 7 8]
? [8 8 6 9]
? [9 6 7 7]]

?[[7 7 9 8]
? [9 6 6 7]
? [8 9 7 7]]] (2, 3, 4)

4.np.random.choice從給定的一維數組中隨機選擇數生成隨機數

numpy.random.choice(a, size=None, replace=True, p=None)

a為一維數組類似數據或整數；size為數組維度；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)

a = np.random.choice(a = [3,5,6],size=(2,3,4),replace=True,p=[0.1,0.5,0.4])
print(a,a.shape)

[[[5 6 3 5]
? [6 5 5 5]
? [6 5 6 6]]

?[[5 5 5 3]
? [6 5 6 6]
? [5 6 5 6]]] (2, 3, 4)

5.np.random.normal(loc=0.0, scale=1.0, size=None),生成符合指定分布的正態分布。

a = np.random.normal(loc=4,scale=6,size=(2,3,4))
print(a)

[[[13.19667529 12.81615262 ?4.92968455 ?6.26897512]
? [-1.32671449 -7.88477881 ?1.9125271 ? 4.93809381]
? [11.38174408 11.21427909 ?1.6760391 ? 2.1861835 ]]

?[[-2.29131779 -4.52010762 -6.23762114 15.70465237]
? [ 0.94208691 ?1.37155419 -3.51677216 ?8.66494213]
? [-5.68338709 ?2.72355832 -1.37279937 ?6.32141499]]]

6.np.random.random(size=None),生成符合0到1的均勻分布數組。

a = np.random.random((2,3,4))
print(a)

[[[0.19658236 0.36872517 0.82099323 0.09710128]
? [0.83794491 0.09609841 0.97645947 0.4686512 ]
? [0.97676109 0.60484552 0.73926358 0.03918779]]

?[[0.28280696 0.12019656 0.2961402 ?0.11872772]
? [0.31798318 0.41426299 0.0641475 ?0.69247212]
? [0.56660145 0.26538949 0.52324805 0.09394051]]]

7. np.random.ranf(size=None),生成符合0到1的均勻分布數組。

a = np.random.ranf((10))
a

array([0.82894003, 0.00469548, 0.67781654, 0.27000797, 0.73519402,
       0.96218855, 0.24875314, 0.57615733, 0.59204193, 0.57225191])

8.np.random.uniform(low=0.0, high=1.0, size=None)，生成符合指定均勻分布的數組

g=np.random.uniform(-1,1,10)#指定均勻分布
print(g)

[ 0.07315842 ?0.79334259 ?0.98067789 -0.56620603 ?0.32615641 -0.47335525
?-0.958698 ? ?0.51675731 -0.3599657 ?-0.23307221]

9.np.random.shuffle(x),隨機打亂數組順序

a = np.arange(10)
np.random.shuffle(a)
print(a)

[6 3 4 9 0 8 1 5 2 7]

10. 產生其他分布的函數

• binomial() ,二項分布
• chisquare(),卡方分布
• poisson(),泊松分布
• uiform(),均勻分布
• normal(),正態分布