NumPy基础及取值操作（四）

最新推荐文章于 2024-11-03 00:14:24 发布

Rich Dad

最新推荐文章于 2024-11-03 00:14:24 发布

阅读量1.9k

点赞数

CC 4.0 BY-SA版权

分类专栏： Jupyter Notebook 文章标签： python 机器学习人工智能数据分析

I love 段奥娟

本文链接：https://blog.csdn.net/qq_44745905/article/details/111026261

本文介绍了NumPy中随机数生成的方法，包括简单随机数、离散值选择以及高斯分布随机数的生成。还讨论了随机种子的概念及其在保持随机数序列一致性中的作用。同时，给出了如何根据高斯分布生成随机数的示例代码，并提出了编程要求，即使用np.random.choice()打乱数组顺序。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

时间煮雨
@R星校长

第4关：随机数生成

简单随机数生成

NumPy的random模块下提供了许多生成随机数的函数，如果对于随机数的概率分布没有什么要求，则通常可以使用random_sample、choice、randint等函数来实现生成随机数的功能。

random_sample

random_sample用于生成区间为[0, 1]的随机数，需要填写的参数size表示生成的随机数的形状，比如size=[2, 3]那么则会生成一个2行3列的ndarray，并用随机值填充。示例代码如下：

import numpy as np

'''
结果可能为[[0.32343809, 0.38736262, 0.42413616]
          [0.86190206, 0.27183736, 0.12824812]]
'''
print(np.random.random_sample(size=[2, 3]))

choice

如果想模拟像掷骰子、扔硬币等这种随机值是离散值，而且知道范围的可以使用choice实现。choice的主要参数是a、size和replace。a是个一维数组，代表你想从a中随机挑选；size是随机数生成后的形状。假如模拟5次掷骰子，replace用来设置是否可以取相同元素，True表示可以取相同数字；False表示不可以取相同数字，默认是True，代码如下：

import numpy as np

'''
掷骰子时可能出现的点数为1, 2, 3, 4, 5, 6，所以a=[1,2,3,4,5,6]
模拟5此掷骰子所以size=5
结果可能为 [1 4 2 3 6]
'''
print(np.random.choice(a=[1, 2, 3, 4

最低0.47元/天解锁文章

200万优质内容无限畅学