【小白学机器学习38】用np.random 生成各种随机数，随机数数组/序列

目录

0 总结 np.random() 的一些点

1 用np.random.random() 生成[0,1) 区间内的随机数

2 生成指定范围内的随机整数/数组 np.random.randint()

3 用np.random.choice()生成指定数组范围内的随机数

3.1 np.random.choice(array6)

3.2 np.random.choice(array6) ，需要设置是否允许循环抽样

4 np.random.normal()生成符合正态分布的数/数组

5 np.random.binomial()生成符合二项分布的数

6 上述的图

7 全部代码和效果

准备工作

先看python相关的随机，生成各种随机数

0 总结 np.random() 的一些点

• np.random() 主要是生成符合各种要求的随机数

1. 比如[0,1)
2. 符合某分布，正态分布，二项分布等
3. 指定某区间内随机等，比如(a,b) 之间，或者在某个array([1,10,99]) 之间

• np.random() 可以不指定size，就只生成一个随机数。
• 如果像生成一个数组，np.random() 都接受 size=10 这个参数，方便生成多个符合要求的随机数，一个数组

1. size参数不是必须的，如果没有默认就是只生成1个随机数
2. np.random.random()
3. np.random.random(size=10)

1 用np.random.random() 生成[0,1) 区间内的随机数

• np.random 能生成[0,1)这种标准化随机数数组
• np.random.random()
• np.random.random(size=10)

# np.random 能生成[0,1)这种标准化随机数数组
array2=np.random.random(size=10)
print(f"标准化[0,1)范围内随机数数组：{array2}")

2 生成指定范围内的随机整数/数组 np.random.randint()

• #生成范围内的随机整数int数组
• np.random.randint(1,10, size=10)

#生成范围内的随机整数int数组
array1=np.random.randint(1,10, size=10)
print(f"指定整数内随机int数组：{array1}")

3 用np.random.choice()生成指定数组范围内的随机数

3.1 np.random.choice(array6)

• np.random 从指定数组里去随机选择
• list6=[1,2,3,4,5,6,7,8,9,10]
• array6=np.array(list6)
• 可以用
• np.random.choice(array6)

3.2 np.random.choice(array6) ，需要设置是否允许循环抽样

• replace=True，可以允许抽样
• replace=False，不允许抽样
• array61=np.random.choice(array6,size=5,replace=True)
• array62=np.random.choice(array6,size=5,replace=False)

# np.random 从指定数组里去随机选择
list6=[1,2,3,4,5,6,7,8,9,10]
array6=np.array(list6)

array61=np.random.choice(array6,size=5,replace=True)
print(f"指定数组内选择,可重复：{array61}")
print()

array62=np.random.choice(array6,size=5,replace=False)
print(f"指定数组内选择,不可重复：{array62}")
print()

4 np.random.normal()生成符合正态分布的数/数组

• np.random.normal()
• 能生成正态分布，二项分布等各种分布的随机数数组(序列)

• #无参数默认是标准正态分布，默认只生成1个数
• array3=np.random.normal(size=10)        
• #array3=np.random.normal(loc=0.0, scale=1.0) #效果和上面缺省相同

• 其中loc=mean 是均值
• 其中scale=std 是标准差，
• size= 数量
• array4=np.random.normal(loc=2, scale=5, size=10) #loc=mean,scale=std, size=num

# np.random 能生成正态分布，二项分布等各种分布的随机数数组(序列)
array3=np.random.normal(size=10)        #无参数默认是标准正态分布，默认只生成1个数
#array3=np.random.normal(loc=0.0, scale=1.0) #效果和上面缺省相同
print(f"符合标准正态分布数组：{array3}")
print()

array4=np.random.normal(loc=2, scale=5, size=10) #loc=mean,scale=std, size=num
print(f"符合正态分布数组：{array4}")
print()

5 np.random.binomial()生成符合二项分布的数

• np.random.binomial()
• np.random.binomial(n=10, p=0.5, size=10)

# np.random 能生成正态分布，二项分布等各种分布的随机数数组(序列)
array5=np.random.binomial(n=10, p=0.5, size=10)
print(f"二项分布数组：{array5}")
print()

6 上述的图

7 全部代码和效果

import numpy as np
import pandas as pd
import scipy as sp
from matplotlib import pyplot as plt
import seaborn as sns
%precision 3

fig=plt.figure()


#生成范围内的随机整数int数组
array1=np.random.randint(1,10, size=10)
print(f"指定整数内随机int数组：{array1}")
plt.subplot(3, 3, 1)
plt.plot(array1)
print()

# np.random 能生成[0,1)这种标准化随机数数组
array2=np.random.random(size=10)
print(f"标准化[0,1)范围内随机数数组：{array2}")
plt.subplot(3, 3, 2)
plt.plot(array2)
print()

# np.random 能生成正态分布，二项分布等各种分布的随机数数组(序列)
array3=np.random.normal(size=10)        #无参数默认是标准正态分布，默认只生成1个数
#array3=np.random.normal(loc=0.0, scale=1.0) #效果和上面缺省相同
print(f"符合标准正态分布数组：{array3}")
plt.subplot(3, 3, 3)
plt.plot(array3)
print()

array4=np.random.normal(loc=2, scale=5, size=10) #loc=mean,scale=std, size=num
print(f"符合正态分布数组：{array4}")
plt.subplot(3, 3, 4)
plt.plot(array4)
print()


# np.random 能生成正态分布，二项分布等各种分布的随机数数组(序列)
array5=np.random.binomial(n=10, p=0.5, size=10)
print(f"二项分布数组：{array5}")
plt.subplot(3, 3, 5)
plt.plot(array5)
print()


# np.random 从指定数组里去随机选择
list6=[1,2,3,4,5,6,7,8,9,10]
array6=np.array(list6)
plt.subplot(3, 3, 6)
plt.plot(array6)
print()

array61=np.random.choice(array6,size=5,replace=True)
print(f"指定数组内选择,可重复：{array61}")
plt.subplot(3, 3, 7)
plt.plot(array61)
print()

array62=np.random.choice(array6,size=5,replace=False)
print(f"指定数组内选择,不可重复：{array62}")
plt.subplot(3, 3, 8)
plt.plot(array62)
print()