.net作业做网站,中区网站建设,百度 营销推广是做什么的,职校网站模板文章目录 1. **生成均匀分布的随机浮点数**#xff1a;2. **生成随机整数**#xff1a;3. **生成标准正态分布随机数**#xff1a;4. **生成正态分布随机数**#xff1a;5. **生成均匀分布的随机浮点数**#xff1a;6. **生成随机抽样**#xff1a;7. **设置随机数种子**… 文章目录 1. **生成均匀分布的随机浮点数**2. **生成随机整数**3. **生成标准正态分布随机数**4. **生成正态分布随机数**5. **生成均匀分布的随机浮点数**6. **生成随机抽样**7. **设置随机数种子**8. **随机重排数组元素** np.random 模块提供了多种随机数生成函数用于生成不同类型的随机数据。以下是对每种用法的详细介绍以及相应的示例代码
1. 生成均匀分布的随机浮点数
使用 np.random.random() 函数生成均匀分布的随机浮点数范围在 [0.0, 1.0) 区间内。
import numpy as np# 生成一个随机浮点数
rand_num np.random.random()
print(随机浮点数:, rand_num)2. 生成随机整数
使用 np.random.randint() 函数生成指定范围内的随机整数。
import numpy as np# 生成一个随机整数范围在 [0, 10) 内
rand_int np.random.randint(0, 10)
print(随机整数:, rand_int)3. 生成标准正态分布随机数
使用 np.random.randn() 函数生成符合标准正态分布均值为 0标准差为 1的随机数。
import numpy as np# 生成一个符合标准正态分布的随机数
rand_normal np.random.randn()
print(标准正态分布随机数:, rand_normal)4. 生成正态分布随机数
使用 np.random.normal() 函数生成指定均值和标准差的正态分布随机数。
import numpy as np# 生成均值为 5标准差为 2 的正态分布随机数
rand_normal np.random.normal(loc5, scale2)
print(正态分布随机数:, rand_normal)5. 生成均匀分布的随机浮点数
使用 np.random.uniform() 函数生成在指定范围内均匀分布的随机浮点数。
import numpy as np# 生成一个在 [2.0, 4.0) 范围内的随机浮点数
rand_uniform np.random.uniform(2.0, 4.0)
print(均匀分布随机数:, rand_uniform)6. 生成随机抽样
使用 np.random.choice() 函数从给定的数组中随机选择元素可以指定抽样数量和是否允许重复选择。
import numpy as np# 从列表中随机抽样 3 个元素允许重复选择
sample np.random.choice([1, 2, 3, 4, 5], size3, replaceTrue)
print(随机抽样:, sample)7. 设置随机数种子
使用 np.random.seed() 函数设置随机数生成器的种子以便使随机数生成可重复。
import numpy as np# 设置随机数种子
np.random.seed(42)# 生成随机数
rand_num np.random.random()
print(随机浮点数:, rand_num)8. 随机重排数组元素
使用 np.random.shuffle() 函数对数组进行随机重排。
import numpy as nparr np.array([1, 2, 3, 4, 5])
np.random.shuffle(arr)
print(随机重排后的数组:, arr)这些是 np.random 模块中常见的随机数生成函数的用法示例。这些函数在不同的数据分析、模拟、机器学习等应用中非常有用可以用于生成模拟数据、进行随机实验、初始化权重矩阵等各种情况。
