numpy.random

randint（随机整数）

Return random integers from low (inclusive) to high (exclusive).

从区间 [low, high) 中返回随机的整数数组

• 参数
  1. low：最小值
  2. high：最大值，默认为 None
  3. size：个数，默认为None
  4. dtype：数据类型，默认为’l’
• 返回值
  • out：整型或者整型数组

一些简单的🌰

1. 0 到 50 中随机一个数

1
2

np.random.randint(50)
# 26

2. 10 到 50 中随机一个数

1
2

np.random.randint(10, 50)
# 36

3. 0 到 50 中随机 10 个数

1
2

np.random.randint(50, size=10)
# array([10, 25, 37, 34, 13, 15, 16, 12, 44,  4])

4. 10 到 50 中随机 10 个数

1
2

np.random.randint(10, 50, 10)
# array([40, 46, 27, 44, 30, 46, 15, 41, 18, 23])

random/random_sample（随机 0-1 的浮点数）

Return random floats in the half-open interval [0.0, 1.0).

返回一个在 0-1 之间的随机的浮点数的数组

• 参数
  1. size：大小，默认为 None
• 返回值
  • out：浮点数或浮点数数组

一些简单的🌰

1. 随机返回一个浮点数

1

np.random.random()     # 0.939393746883071

2. 随机返回有一个浮点数的数组

1

np.random.random(1)    # array([0.70345759])

3. 随机返回 10 个浮点数的数组

1
2
3

np.random.random(10)
# array([0.84469124, 0.16361142, 0.59353651, 0.80872106, 0.15086249,
#        0.4595056 , 0.5550403 , 0.59146936, 0.07822706, 0.99842643])

rand（随机 0-1 给定形状的浮点数）

Random values in a given shape.

按照给定的形状返回数据（值为[0, 1) ）

• 参数
  • d0, d1, …, dn：形状信息，默认为 None，即可以不传数据
• 返回值
  • out：ndarray

一些简单的🌰

1. 不传数据

1
2

np.random.rand()
# 0.4506933261729883

2. 返回一个 2 x 2的随机数组

1
2
3

np.random.rand(2, 2)
# array([[0.67949434, 0.73498025],
#        [0.21896692, 0.54682848]])

randn（标准正态分布中随机样本）

Return a sample (or samples) from the “standard normal” distribution.

从标准正态分布返回一个或多个样本

• 参数：
  1. d0, d1, …, dn：形状信息
• 返回值：
  • Z：浮点型或者浮点型数组

一些简单的🌰

1. 不传数据

1

np.random.randn() # 1.5567818373271456

2. 返回 2 x 5 的标准正态分布样本

1
2
3

np.random.randn(2, 5)
# array([[ 1.15218971, -0.19590126,  0.10391749, -0.46857231,  0.58370011],
#        [-0.29639999, -0.73765977, -0.03441631,  0.26545265,  0.25255167]])

normal（正态分布中随机样本）

Draw random samples from a normal (Gaussian) distribution.

从正态分布中抽取随机样本，默认返回标准正态分布

• 参数
  1. loc：期望值，默认为 0
  2. scale：标准差，默认为 1
  3. size：大小，默认为 None
• 返回值
  • out：浮点型或者浮点型数组

一些简单的🌰

1. 不传参数，默认为标准正态分布

1
2

np.random.normal()    # 0.39605193328763477

2. 期望值为 1，标准差为 2 的正态分布

1
2

np.random.normal(1, 2)    # 0.9208239350120327

3. 获取 10 个期望值为 5，标准差为 2 的正态分布的值

1
2
3
4

np.random.normal(5, 2, 10)
# array([5.66208783, 3.63723912, 4.4776973 , 5.20380349, 6.0451376 ,
#        4.53452163, 2.34042043, 4.43470636, 6.75530746, 1.95167798])

choice（从给定数据中随机样本）

Generates a random sample from a given 1-D array

从给定的一维数组中，生成随机样本

• 参数：
  1. a：随机的参数
     • 如果是 ndarray，则从中随机一个数字
     • 如果是 int，则从 np.arange(a) 中随机一个数组
  2. size：大小，默认为 None
  3. replace：是否要放回取样，默认为 True
  4. p：随机选取对应索引的概率
• 返回值：
  • samples：single item or ndarray

一些简单的🌰

1. 从 0-9 中随机选择一个元素

1

np.random.choice(10) # 2

2. 从 0-9 中不放回取样 10 个数据

1
2

np.random.choice(10, 10, False)
# array([8, 9, 5, 0, 1, 4, 3, 6, 7, 2])

3. 从0 - 1中取样 10 个数据，0 的取样概率为 0.8，1 的取样概率为 0.2

1
2

np.random.choice(2, 10, p=[0.8, 0.2])
# array([0, 1, 0, 0, 0, 1, 0, 0, 0, 1])

uniform（均匀分布抽取）

Draw samples from a uniform distribution.

从均匀分布中抽取样本

• 参数
  1. low：下界，默认为 0
  2. high：上界，默认为 1
  3. size：大小，默认为 None
• 返回值
  • out：ndarray or scalar

一些简单的🌰

1. 不传参数，默认 [0, 1) 的均匀分布

1

np.random.uniform() # 0.237545651484531

2. 获取[2, 10)中均匀分布的一个样本

1

np.random.uniform(2, 10) # 3.751506848826293

数据打散

permutation（不修改原数据）

Randomly permute a sequence, or return a permuted range.

随机排序一个序列，返回排序的结果

• 参数
  1. x：同 choice 中的 a
• 返回值
  • out：ndarray

1
2

np.random.permutation(10)
# array([7, 1, 0, 6, 9, 5, 3, 8, 4, 2])

shuffle（修改原数据）

Modify a sequence in-place by shuffling its contents.

原地修改一个数组的顺序

• 参数
  • x

1
2
3

a = np.arange(10)
np.random.shuffle(a)
a    # array([4, 3, 9, 5, 6, 1, 8, 0, 2, 7])

随机种子

seed

seed一旦定下来之后，如果是固定的 seed，则每次随机的结果都是一样的。

注意：seed 的有效次数仅为一次

1
2
3

np.random.seed(2)
np.random.randint(100)
# 40