这篇文章主要介绍了python numpy 常用随机数的产生方法的实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

numpy 中 的random模块有多个函数用于生成不同类型的随机数，常见的有 uniform、rand、random、randint、random_interges

下面介绍一下各自的用法
1、np.random.uniform的用法

np.random.uniform(low=0.0, high=1.0, size=None)

作用：可以生成[low,high)中的随机数，可以是单个值，也可以是一维数组，也可以是多维数组
参数介绍：

low :float型，或者是数组类型的，默认为0
high:float型，或者是数组类型的，默认为1
size:int型，或元组，默认为空

In[1]: import numpy as np
 
In[2]: np.random.uniform() # 默认为0到1
Out[2]: 0.827455693512018
 
In[3]: np.random.uniform(1,5)
Out[3]: 2.93533586182789
 
In[4]: np.random.uniform(1,5,4) #生成一维数组
Out[4]: array([ 3.18487512, 1.40233721, 3.17543152, 4.06933042])
 
In[5]: np.random.uniform(1,5,(4,3)) #生成4x3的数组
Out[5]: 
array([[ 2.33083328, 1.592934 , 2.38072  ],
    [ 1.07485686, 4.93224857, 1.42584919],
    [ 3.2667912 , 4.57868281, 1.53218578],
    [ 4.17965117, 3.63912616, 2.83516143]])
 
In[6]: np.random.uniform([1,5],[5,10]) 
Out[6]: array([ 2.74315143, 9.4701426 ])

2、np.random.random_sample的用法

和np.random.random作用一样

random_sample(size=None)

• 作用：返回[0,1)之间的浮点型随机数，通过size控制返回的形状

np.random.random_sample()
  0.47108547995356098
type(np.random.random_sample())
  <type 'float'>
np.random.random_sample((5,))
  array([ 0.30220482, 0.86820401, 0.1654503 , 0.11659149, 0.54323428])
 
  Three-by-two array of random numbers from [-5, 0):
 
5 * np.random.random_sample((3, 2)) - 5
  array([[-3.99149989, -0.52338984],
      [-2.99091858, -0.79479508],
      [-1.23204345, -1.75224494]])

3、np.random.rand的用法

rand(d0, d1, …, dn)
作用：返回[0,1)内的浮点数，输入的d0,d1…dn代表维度信息，没有输入时，则返回[0,1)内的一个随机值

In[15]: np.random.rand()
Out[15]: 0.9027797355532956
 
In[16]:np.random.rand(3,3)
Out[16]: 
array([[ 0.47507608, 0.64225621, 0.9926529 ],
    [ 0.95028412, 0.18413813, 0.91879723],
    [ 0.89995217, 0.42356103, 0.81312942]])
 
In[17]: np.random.rand(3,3,3)
Out[17]: 
array([[[ 0.30295904, 0.76346848, 0.33125168],
    [ 0.77845927, 0.75020602, 0.84670385],
    [ 0.2329741 , 0.65962263, 0.93239286]],
 
    [[ 0.24575304, 0.9019242 , 0.62390674],
    [ 0.43663215, 0.93187574, 0.75302239],
    [ 0.62658734, 0.01582182, 0.66478944]],
 
    [[ 0.22152418, 0.51664503, 0.41196781],
    [ 0.47723318, 0.19248885, 0.29699868],
    [ 0.11664651, 0.66718804, 0.39836448]]])

4、np.random.randint的用法

randint(low, high=None, size=None, dtype='l')
作用：生成整型随机数，可以是单个随机数，也可以是多维的随机数构成的数组
参数介绍

low：int 型，随机数的下限
high：int 型，默认为空，随机数的上限，当此值为空时，函数生成[0,low)区间内的随机数
size：int、或ints、或元组，指明生成的随机数的类型
dtype:可选'int' ,'int32'，默认为'l'

In[7]: np.random.randint(4)
Out[7]: 1
 
In[8]: np.random.randint(4,size=4)
Out[8]: array([2, 2, 2, 0])
 
In[9]: np.random.randint(4,10,size=6)
Out[9]: array([7, 9, 7, 8, 6, 9])
 
np.random.randint(4,10,size=(2,2),dtype='int32')
Out[10]: 
array([[7, 4],
    [6, 9]])

5、np.random.random_integers的用法

random_integers(low, high=None, size=None)
和randint的用法较为相似,区别在于[low,high]
的右边界能够取到，且改函数即将被抛弃，可以使用
np.random.randint(low,high+1)进行代替

总结：随机数可以分为两大类，一类是浮点型的，常以np.random.uniform为代表，np.random.rand,np.random.radnom和np.random.random_simple可以看作是np.random.uniform的特例；另一类是整数型的，以np.random.randint为代表，也有np.random.random_integers 但是后者将被前者取代
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。

原文链接：https://blog.csdn.net/m0_37804518/article/details/78490709