NumPy—random随机数生成函数总结

简介: import numpy as np1、np.linspace(start,end,num) start代表起始的值,end表示结束的值,num表示在这个区间里生成数字的个数,生成的数组是等间隔生成的。
import numpy as np
1、np.linspace(start,end,num)
start 代表起始的值, end 表示结束的值, num 表示在这个区间里生成数字的个数,生成的数组是 等间隔 生成的。start和end这两个数字可以是整数或者浮点数

2、np.random.normal(loc, scale, size)
loc :float
此概率分布的 均值 (对应着整个分布的中心centre)
scale :float
此概率分布的 标准差 (对应于分布的宽度,scale越大越矮胖,scale越小,越瘦高)
size :int or tuple of ints
输出的shape,默认为None,只输出一个值
注: np.random.randn(size) 所谓标准正态分布( μ=0,σ=1 ),对应于 np.random.normal(loc=0, scale=1, size)


3、np.random.uniform(low, high, size)
功能 :从一个 均匀分布 [low,high)中随机采样,注意定义域是左闭右开,即包含low,不包含high
参数介绍:  
    low: 采样下界,float类型,默认值为0;
    high: 采样上界,float类型,默认值为1;
     size: 输出样本数目,为int或元组(tuple)类型


4、np.random


5、 numpy.random.RandomState()
伪随机数产生器的种子
对于某一个伪随机数发生器,只要该种子(seed)相同,产生的随机数序列就是相同的













相关文章
|
2月前
|
Python
NumPy 双曲函数与集合操作详解
**NumPy 概览:** 使用 `numpy.sinh()`, `numpy.cosh()`, `numpy.tanh()` 计算双曲函数;示例包括求弧度值的双曲正弦、余弦。此外,`numpy.arcsinh()`, `numpy.arccosh()`, `numpy.arctanh()` 用于求反函数。同时,NumPy 提供集合操作如 `numpy.unique()` 构建唯一元素数组,`numpy.union1d()` 求并集,`numpy.intersect1d()` 求交集,`numpy.setdiff1d()` 求差集,`numpy.setxor1d()` 求对称差。
154 7
|
2月前
|
Python
NumPy 双曲函数与集合操作详解
NumPy 双曲函数 NumPy 提供了 sinh()、cosh() 和 tanh() 等 ufunc,它们接受弧度值并生成相应的双曲正弦、双曲余弦和双曲正切值。
|
2月前
|
存储 数据处理 C语言
NumPy 通用函数(ufunc):高性能数组运算的利器
NumPy的通用函数(ufunc)提供高性能的逐元素运算,支持向量化操作和广播机制,能应用于数组的数学、逻辑和比较运算。ufunc可提高计算速度,避免低效的循环,并允许自定义函数以满足特定需求。例如,ufunc实现加法比循环更高效。通过`frompyfunc`可创建自定义ufunc。判断函数是否为ufunc,可检查其类型是否为`numpy.ufunc`。ufunc练习包括数组的平方、平方根、元素积及性能对比。
35 0
|
3月前
|
存储 数据挖掘 vr&ar
深入探索Numpy--索引,切片,随机数,文本操作等
深入探索Numpy--索引,切片,随机数,文本操作等
|
3月前
|
算法 索引 Python
NumPy 数组排序、过滤与随机数生成详解
本文介绍了NumPy中的数组排序和过滤功能。`np.sort()`函数用于对数组进行升序排序,对二维数组则按行排序。示例展示了如何对一维和二维数组排序。此外,还讲解了使用布尔索引来过滤数组,以及直接在条件中操作数组以创建过滤后的数组。最后,介绍了NumPy的随机数生成,包括整数、浮点数及特定分布的随机数。练习题涵盖排序、过滤和生成随机数,提供了相应解决方案。
158 0
|
3月前
|
安全 Serverless 数据处理
通用函数(ufuncs)在NumPy中的应用实践
【4月更文挑战第17天】通用函数(ufuncs)是NumPy中非常重要的工具,它们允许对数组中的每个元素执行相同的数学运算,无需编写循环。通过ufuncs,我们可以高效地处理大规模数据集,并利用广播机制在形状不同的数组之间进行运算。掌握ufuncs的应用实践,将极大地提升我们在数值计算和数据处理方面的效率。
|
3月前
|
算法 数据处理 数据安全/隐私保护
深入NumPy的随机数生成机制
【4月更文挑战第17天】本文探讨了NumPy的随机数生成机制,强调了伪随机数在科学计算中的重要性。NumPy提供了多种生成器,如`RandomState`(基于Mersenne Twister)、`Generator`(灵活且强大)和`default_rng`(推荐,基于PCG64)。生成随机数涉及初始化生成器、设置种子和调用相关方法。关注生成器的质量和性能,遵循最佳实践,如避免硬编码种子、使用最新NumPy版本以及选择合适的生成器和分布,能有效提升数据处理效率和准确性。
|
3月前
|
机器学习/深度学习 Python
NumPy 中级教程——随机数生成
NumPy 中级教程——随机数生成
85 1
|
3月前
|
存储 测试技术 数据库
NumPy 秘籍中文第二版:六、特殊数组和通用函数
NumPy 秘籍中文第二版:六、特殊数组和通用函数
46 0
|
3月前
|
算法 Serverless 测试技术
NumPy 秘籍中文第二版:三、掌握常用函数
NumPy 秘籍中文第二版:三、掌握常用函数
50 0