最新Django3.1大神之路视频!长达77小时、17G、233节 ,全方位无死角深入源码的专注教程!包含完整的模型层、数据迁移、 类视图、异步视图、日志、认证权限和开发工具等更多文字教程未包含的内容。免费章节pan.baidu.com/s/1dqGWNwmBnLxhM7DnXiePIQ 提取码:ko4y 。查看视频介绍点我

学习交流QQ群:787071373

随机数

阅读: 2681     评论:2

numpy带有一个random模块,它弥补了Python标准自建random模块的一些不足,效率更高、速度更快、功能更强大。当然这些数都是伪随机数,可以通过seed种子来初始化。下表是numpy.random中的部分函数:

函数 功能
random 返回一个区间[0.0, 1.0)中的随机浮点数
seed 向随机数生成器传递随机状态种子
permutation 返回一个序列的随机排列,或者返回一个乱序的整数范围序列
shuffle 随机排列一个序列
rand 从均匀分布中抽取样本
randint 根据给定的由低到高的范围抽取随机整数
randn 从均值0,方差1的正态分布中抽取样本
binomial 从二项式分布中抽取样本
normal 从正态分布中抽取样本
beta 从beta分布中抽取样本
chisquare 从卡方分布中抽取样本
gamma 从伽马分布中抽取样本
uniform 从均匀[0,1)中抽取样本
>>> import numpy.random as npr   # 常用导入方法
>>> npr.random()  # 生成1个
0.8898080952787953
>>> npr.random(5)   # 生成5个
array([0.32815036, 0.47386   , 0.06808472, 0.3827107 , 0.11855414])
>>> npr.random((2,3))   # 生成2行3列
array([[0.89632852, 0.76430853, 0.37540494],
       [0.02581418, 0.90653093, 0.78641778]])
>>> npr.seed(1234)  # 设置种子
>>> npr.randn()     # 生成1个
-0.008678581361935722
>>> npr.randn(3)    # 生成3个
array([-1.60921761, -1.26864685,  0.52483734])
>>> npr.randn(2,3)      # 生成2行3列
array([[-0.32106129,  1.05697037, -0.59017955],
       [-0.38786434, -0.04653935, -0.99871643]])
>>> npr.randint(4)      # 生成不大于4的整数
2
>>> npr.randint(1,10)  # 生成一个1到10之间的整数
1
>>> npr.randint(1,10,5) # 生成5个1到10之间的整数
array([1, 4, 3, 4, 2])
>>> npr.randint(1,10,(2,3)) # 生成2行3列1到10之间的整数,或者用size参数
array([[2, 6, 8],
       [5, 8, 8]])
>>> npr.rand() 
0.4527298092633677
>>> npr.rand(3)
array([0.53814784, 0.7906221 , 0.46583634])
>>> npr.rand(2,3)
array([[0.76453077, 0.59973081, 0.08094696],
       [0.70454447, 0.16401332, 0.03234935]])
>>> npr.normal()
-0.8241256032186633
>>> npr.normal(3,4) # 指定正态分布的两个重要参数
7.059397334847745
>>> npr.normal(3,4,(2,3)) # 生成2行3列
array([[0.77190185, 1.30157588, 3.54998357],
       [2.71794779, 4.30157729, 1.1059138 ]])

 统计方法 Pandas 

评论总数: 2


点击登录后方可评论

user_image

shuffle(),这个怎么用?



user_image

numpy.random.shuffle(array) 返回一个随机打乱的数组。