详述numpy中的np.random.random()系列函数用法

  目录

  引言:在机器学习还有深度学习中,经常会用到这几个函数,为了便于以后熟练使用,现在对这几个函数进行总结。

  (一)np.random.rand()

  该函数括号内的参数指定的是返回结果的形状,如果不指定,那么生成的是一个浮点型的数;如果指定一个数,那么生成的是一个numpy.ndarray类型的数组;如果指定两个数字,那么生成的是一个二维的numpy.ndarray类型的数组。如果是两个以上的数组,那么返回的维度就和指定的参数的数量个数一样。其返回结果中的每一个元素是服从0~1均匀分布的随机样本值,也就是返回的结果中的每一个元素值在0-1之间。

  举例说明:

  import numpy as np

  mat = np.random.rand()

  print(mat)

  print(type(mat))

  mat = np.random.rand(2)

  print(mat)

  print(type(mat))

  mat = np.random.rand(3, 2)

  print(mat)

  print(type(mat))

  结果为:注意我用红框框起来的一组对应两个print输出,可对应程序看结果。

  (二)np.random.randn()

  该函数和rand()函数比较类似,只不过运用该函数之后返回的结果是服从均值为0,方差为1的标准正态分布,而不是局限在0-1之间,也可以为负值,因为标准正态分布的曲线是关于x轴对阵的。其括号内的参数如果不指定,那么生成的是一个浮点型的数;如果指定一个数,那么生成的是一个numpy.ndarray类型的数组;如果指定两个数字,那么生成的是一个二维的numpy.ndarray类型的数组。和rand()相比,除了元素值不一样,其他的性质是一样的。

  举例说明:

  import numpy as np

  mat = np.random.randn()

  print(mat)

  print(type(mat))

  mat = np.random.randn(2)

  print(mat)

  print(type(mat))

  mat = np.random.randn(3, 2)

  print(mat)

  print(type(mat))

  结果为:

  (三)np.random.randint(low,high,size,dtype)

  该函数中包含了几个参数,其具体含义为:

  low:生成的元素值的最小值,即下限,如果没有指定high这个参数,则low为生成的元素值的最大值。

  high:生成的元素值的最大值,即上限。

  size:指定生成元素值的形状,也就是数组维度的大小。

  dtype:指定生成的元素值的类型,如果不指定,默认为整数型

  返回结果:返回值是一个大小为size的数组,如果指定了low和high这两个参数,那么生成的元素值的范围为[low,high),不包括high;如果不指定high这个参数,则生成的元素值的范围为[0,low)。如果不指定size这个参数,那么生成的元素值的个数只有一个。

  举例说明:

  import numpy as np

  # 指定一个参数low

  mat = np.random.randint(low=1)

  print(mat)

  print(type(mat))

  # 指定low和high,生成一个[low,high)的元素值

  mat = np.random.randint(low=1, high=5)

  print(mat)

  print(type(mat))

  # 指定size大小,生成一个三行三列的二维数组,元素个数为3x3=9个

  mat = np.random.randint(low=2, high=10, size=(3, 3))

  print(mat)

  # 查看默认元素值的类型

  print(type(mat[0][0]))

  mat = np.random.randint(low=2, high=10, size=(3, 3), dtype=np.uint8)

  print(mat)

  print(type(mat[0][0]))

  结果为:

  (四)np.random.uniform(low,high,size)

  参数说明:

  low:生成元素值的下界,float类型,默认值为0

  high:生成元素值的上界,float类型,默认值为1

  size:输出样本的数目,可以指定一个值,也可指指定大于等于两个值

  返回对象:ndarray类型,形状为size中的数值指定,其元素个数为size指定的参数的乘积

  我们前面已经说过了rand()这个函数,它返回的元素值是服从0-1的均匀分布,那如果不想要生成的是0-1范围内的均匀分布,想要其它范围内的均匀分布怎么办呢。

  uniform()实现了这个功能,它可以生成服从指定范围内的均匀分布的元素。其返回值的元素类型为浮点型。需注意的是元素值的范围包含low,不包含high。

  举例说明:

  import numpy as np

  # 指定一个参数low

  mat = np.random.uniform()

  print(mat)

  print(type(mat))

  # 指定low和high,生成一个[low,high)的元素值

  mat = np.random.uniform(low=5, high=10)

  print(mat)

  print(type(mat))

  # 指定size大小,生成一个三行三列的二维数组,元素个数为3x3=9个

  mat = np.random.uniform(low=2, high=10, size=(3, 3))

  print(mat)

  # 查看默认元素值的类型

  print(type(mat[0][0]))

  mat = np.random.uniform(low=2, high=10, size=(3, 3, 2))

  print(mat)

  print(type(mat[0][0][0]))

  结果为:

  总结:以上就是常用的随机数生成函数,具体用哪一个,可根据自己需求,想要生成什么随机数,那就使用什么样的函数。

  到此这篇关于详述numpy中的np.random.random()系列函数用法的文章就介绍到这了,更多相关numpy np.random.random()内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

  您可能感兴趣的文章: