python生成隨機數

更多大數據分析、建模等內容請關注公眾號《bigdatamodeling》

在實現算法時經常會用到隨機數，有時會忘記各種隨機數的生成方法，這里對Python中的隨機數生成方法進行匯總，以供以后查閱。

import numpy as np
# 兩者實現的作用是一樣的，都是使每次隨機生成數一樣
np.random.seed(10)
np.random.RandomState(10)

### 正態分布 np.random.normal(loc=0.0, scale=1.0, size=None)
np.random.normal() # 返回標量 ~N(0,1)
np.random.normal(1) # 返回標量 ~N(0,1)
np.random.normal(size=(2, 2)) # 返回N(0,1) 
np.random.normal(0, 1, size=(2, 2)) # 同上
np.random.normal(2, 10, size=(2, 2)) 

### 標準正態分布N(0,1) 
np.random.randn() # 生成標量 
np.random.randn(1)
np.random.randn(2)
np.random.randn(2, 2)
5 * np.random.randn(2, 2) + 10

### 從均勻分布（[low, high)：半開區間）中進行采樣
np.random.uniform(low=1, high=5, size=(2, 2))
np.random.uniform(1, 5, 10)
np.random.uniform(1, 5) # 生成[1, 5)中的1個標量

### 從均勻分布（[0, 1)：半開區間）中進行采樣
np.random.rand() # 生成標量 
np.random.rand(1)
np.random.rand(2, 2)

### 生成半開半閉區間[low,high)上離散均勻分布的整數值;若high=None，則取值區間變為[0,low) 
np.random.randint(low=1, high=5, size=(2, 2))
np.random.randint(low=1, high=5, size=10) 
np.random.randint(1, 5, 10) # 同上
np.random.randint(low=5, size=10)
np.random.randint(1, 5) # 生成[1, 5)中的1個標量

### 生成閉區間[low,high]上離散均勻分布的整數值;若high=None，則取值區間變為[1,low] 
np.random.random_integers(low=1, high=5, size=(2, 2))
np.random.random_integers(low=1, high=5, size=10)
np.random.random_integers(1, 5, 10) # 同上
np.random.random_integers(low=5, size=10) 
np.random.random_integers(1, 5) # 生成[1, 5]中的1個標量

### np.random.random 等價于 np.random.random_sample
# 返回[0,1)之間的隨機數
np.random.random() # 返回標量
np.random.random(1)
np.random.random(2)
np.random.random((2, 3))

### numpy.random.choice(a, size=None, replace=True, p=None) 
# Generates a random sample from a given 1-D array
# 從數組a中選擇，若a是整數，則從np.arange(a)中選擇
# replace代表放回與否
# p為數組中每個元素被選中的概率，為空則表示均勻分布
np.random.choice(5, 3)
np.random.choice(5, 3, p=[0.1, 0, 0.3, 0.6, 0])
np.random.choice(5, 3, replace=False)
np.random.choice(5, 3, replace=False, p=[0.1, 0, 0.3, 0.6, 0])
arr = ['pooh', 'rabbit', 'piglet', 'Christopher']
np.random.choice(arr, 5, p=[0.5, 0.1, 0.1, 0.3])