Python数据分析与展示：numpy.random随机函数-3

rand(d0, d1,...dn) 随机数组, 浮点数，[0, 1)均匀分布
randn(d0, d1,...dn) 随机数组，正态分布
randint(low, high, shape) 指定随机范围
seed(s) 随机种子
shuffle(a) 随机排列第一轴， 改变数组a
permutation(a) 根据第一轴返回乱序数组，不改变数组
choice（a[, size, replace, p]） 从一维数组a中，以概率p抽取元素形成size形状的新数组，
    replace表示是否可以重用元素，默认false
uniform(low, high, size) 产生均匀分布的数组 low起始，high结束，size形状
normal(loc, scale, size) 正态分布数组 loc均值，scale标准差，size形状
poisson(lam, size)  泊松分布数组lam随机事件发生概率，size形状

# -*- coding: utf-8 -*-
# @File    : random_demo.py
# @Date    : 2018-05-06
import numpy as np
# 均匀分布[0, 1)
a = np.random.rand(3, 4)
print(a)
"""
[[0.6080194  0.47885844 0.48511573 0.15609718]
 [0.90561005 0.20551061 0.59124551 0.21673084]
 [0.05076159 0.52149204 0.24823637 0.9541937 ]]
"""
# 正态分布
b = np.random.randn(3, 4)
print(b)
"""
[[-1.4866319   0.45051244  1.95193206  1.5092608 ]
 [ 0.17095636  0.76524396 -0.23887707 -0.75316857]
 [ 0.57783147  1.12816053  1.13248504 -1.62456833]]
"""
# 使用随机种子
np.random.seed(10)
# 指定随机范围
c = np.random.randint(100, 200, (3, 4))
print(c)
"""
[[109 115 164 128]
 [189 193 129 108]
 [173 100 140 136]]
"""
# 使用相同的随机种子
np.random.seed(10)
d = np.random.randint(100, 200, (3, 4))
print(d)
"""
[[109 115 164 128]
 [189 193 129 108]
 [173 100 140 136]]
"""
# 打乱第一维，改变数组
np.random.shuffle(d)
print(d)
"""
[[189 193 129 108]
 [173 100 140 136]
 [109 115 164 128]]
"""
# 改变第一维，返回新数组
e = np.random.permutation(d)
print(e)
"""
[[173 100 140 136]
 [189 193 129 108]
 [109 115 164 128]]
"""
# 随机从一维数组中选择元素
f = e.flatten()  # 降维
print(f)
# [173 100 140 136 189 193 129 108 109 115 164 128]
g = np.random.choice(f, (2, 3))
print(g)
"""
[[128 164 100]
 [109 189 100]]
"""
# 关闭元素重用
h = np.random.choice(f, (2, 3), replace=False)
print(h)
"""
[[108 173 109]
 [140 189 115]]
"""
# 设置每个元素的抽取概率
p = f/np.sum(f)
print(p)
"""
[0.10273159 0.05938242 0.08313539 0.0807601  0.11223278 0.11460808
 0.07660333 0.06413302 0.06472684 0.06828979 0.09738717 0.0760095 ]
"""
j = np.random.choice(f, (2, 3), replace=False, p=p)
print(j)
"""
[[115 100 136]
 [173 140 108]]
"""
# 均匀分布，指定起止范围
k = np.random.uniform(low=1, high=10, size=(3, 4))
print(k)
"""
[[3.9869403  6.03683529 4.01949682 4.70064291]
 [1.69169952 8.67738691 4.9598871  2.09758732]
 [7.58561162 2.24904219 7.90192044 8.48790791]]
"""
# 正态分布，指定均值，标准差
l = np.random.normal(loc=10, scale=5, size=(3, 4))
print(l)
"""
[[14.20717363  1.79875008 15.29002579  9.54107779]
 [ 6.37982703  7.99769821 12.22662292 14.79969824]
 [ 3.2682308  20.09449687 15.41188173  1.07141088]]
"""