numpy.random模組下提供了一些常用的隨機函式，可以生成不同概率的隨機數。
函式描述
rand(d0,d1…,dn)
返回均勻分布的隨機數
randn(d0,d1…,dn)
返回標準分布的隨機數
randint(low, high, size, dtype)
返回給定開區間的隨機整數
random_intergers()
返回閉區間的隨機整數
random()
返回0到1區間的浮點數
chioce()
返回給定一維陣列的隨機數
bytes()
返回隨機的位置
>>
> np.random.
bytes(10
)『 eh\x85\x022sz\xbf\xa4『 #random
#和random.randint(0,5,3)是一樣的，從np.arange(5)中選擇3個數
>>
> np.random.choice(5,
3)array([0
,3,4
])#可以設定每個數的概率
>>
> np.random.choice(5,
3, p=
[0.1,0
,0.3
,0.6,0
])array([3
,3,0
])#不重複的數字
>>
> np.random.choice(5,
3, replace=
false
)array([3
,1,0
])>>
> np.random.choice(5,
3, replace=
false
, p=
[0.1,0
,0.3
,0.6,0
])array([2
,3,0
])#可以不是數字
>>
> aa_milne_arr =
[『pooh『, 『rabbit『, 『piglet『, 『christopher『]
>>
> np.random.choice(aa_milne_arr,
5, p=
[0.5
,0.1
,0.1
,0.3])
array(
[『pooh『, 『pooh『, 『pooh『, 『christopher『, 『piglet『]
, dtype=『|s11『)
Numpy庫中常用random函式
在機器學習中，經常需要用到資料的生成或者初始值生成，記錄一下常用的random函式 rand生成的是給定大小規模且數值在 0,1 均勻分布的資料 import numpy as np x np.random.rand 2,3 生成2x3規模，數值在0到1內均勻分布的資料 print x 輸出結果 0...
numpy 之 random 幾個函式
1.numpy.random.rand d0,d1,d2,d0,d1,d2 即生成的array 的維數，其元素是基於 0,1 的均勻分布 import numpy as np np.random.rand 2 array 0.1767244 0.48286388 np.random.rand 3,2...
python中numpy的random模組
numpy.random 1.rand d0,d1,dn 產生 0,1 的浮點隨機數,括號裡面的引數可以指定產生陣列的形狀 例如 np.random.rand 3,2 則產生 3 2的陣列，裡面的數是0 1的浮點隨機數 2.randn d0,d1,dn 產生標準正太分布隨機數，引數含義與rand相同...