NumPy 随机数组

NumPy 提供了强大的随机数生成功能，可以用于创建各种类型的随机数组。这些随机数组在模拟、统计、机器学习等领域都有广泛的应用。

在 NumPy 中，常用的随机数组生成函数如下表所示。

numpy.random.rand()

在 NumPy 中，我们可以使用 numpy.random.rand() 函数来生成服从均匀分布的随机数，取值范围为 [0, 1)。

语法：

numpy.random.rand(d0, d1, ..., dn)

说明：

参数 d0, d1, ..., dn 用于指定输出数组的形状。

示例 1：numpy.random.rand() 基本用法

import numpy as np

arr = np.random.rand(3, 4) 
print(arr)

运行结果如下。

[[0.2235847  0.8605636  0.59873243 0.78467937]
 [0.50126485 0.21217406 0.19498525 0.99207028]
 [0.42074887 0.95288898 0.06596117 0.30534783]]

分析：

numpy.random.rand(3, 4) 表示生成一个 3 行 4 列的二维数组，数组中的每个元素都是 [0, 1) 之间的随机浮点数。

numpy.random.randn()

在 NumPy 中，我们可以使用 numpy.random.randn() 函数来生成标准正态分布（均值为 0，标准差为 1）的随机数。

语法：

numpy.random.randn(d0, d1, ..., dn)

说明：

参数 d0, d1, ..., dn 用于指定输出数组的形状。

示例 2：numpy.random.randn() 基本用法

import numpy as np

arr = np.random.randn(2, 2)
print(arr)

运行结果如下。

[[ 0.21328335 -1.18205563]
 [ 1.21662944 -0.34025996]]

分析：

numpy.random.randn(2, 2) 表示生成一个 2 行 2 列的二维数组，数组中的每个元素都是符合标准正态分布的随机浮点数。

numpy.random.randint()

在 NumPy 中，我们可以使用 numpy.random.randint() 函数来生成指定范围内的随机整数。

语法：

numpy.random.randint(
    low,
    high=None,
    size=None,
    dtype=int
)

说明：

numpy.random.randint() 函数接收以下 4 个参数。

• low（必选）: 最小值（包含）。
• high（可选）: 最大值（不包含）。如果省略，则范围是：[0, low)。
• size（可选，默认：None）: 输出数组的形状。如果是 None，则返回一个随机数。
• dtype（可选，默认：int）: 输出数组的数据类型。

示例 3：numpy.random.randint() 基本用法

import numpy as np

arr = np.random.randint(5, size=(2, 4))
print(arr)

运行结果如下。

[[3 4 2 1]
 [3 1 3 0]]

分析：

numpy.random.randint(5, size=(2, 4)) 表示生成 2 行 4 列的数组，元素范围为 [0, 5)。如果需要指定上限，可以使用 low 和 high 这 2 个参数，比如 low = 10, high = 20 生成 10 到 19 的整数。

numpy.random.random()

在 NumPy 中，我们可以使用 numpy.random.random() 函数来生成服从均匀分布的随机浮点数，取值范围为 [0.0, 1.0)。

语法：

numpy.random.random(size=None)

说明：

numpy.random.random() 函数接收单个参数。

• size（可选，默认：None）：输出数组的形状。如果为 None，则返回一个随机数。

示例 4：numpy.random.random() 基本用法

import numpy as np

arr = np.random.random((2, 3))
print(arr)

运行结果如下。

[[0.99401311 0.73917034 0.65516661]
 [0.24490601 0.36247766 0.37052068]]

分析：

numpy.random.random((2, 3)) 表示用于生成一个 2 行 3 列的二维数组，数组中的每个元素都是 [0.0, 1.0) 之间的随机浮点数。

numpy.random.choice()

在 NumPy 中，我们可以使用 numpy.random.choice() 函数来从给定的数组中随机选择元素。

语法：

numpy.random.choice(
    a,
    size=None,
    replace=True,
    p=None
)

说明：

numpy.random.choice() 函数接收以下 4 个参数。

• a（必选）: 输入数组或整数。如果为整数，此时等价于：numpy.arange(a)。
• size（可选，默认：None）: 数组的形状。
• replace（可选，默认：True）: 是否允许重复选择。
• p（可选）: 每个元素被选择的概率，默认为均匀分布。

示例 5：numpy.random.choice() 基本用法

import numpy as np

arr = np.random.choice([1, 2, 3, 4, 5], size=(3,), replace=False)
print(arr)

运行结果如下。

[2 5 1]

分析：

numpy.random.choice([1, 2, 3, 4, 5], size=(3,), replace=False) 表示从数组 [1, 2, 3, 4, 5] 中随机选择了 3 个不重复的元素。

numpy.random.uniform()

在 NumPy 中，我们可以使用 numpy.random.uniform() 函数生成指定范围的均匀分布随机数。

语法：

numpy.random.uniform(
    low=0.0,
    high=1.0,
    size=None
)

说明：

numpy.random.uniform() 函数接收以下 3 个参数。

• low（可选，默认：0.0）: 最小值（包含）。
• high（可选，默认：1.0）: 最大值（不包含）。
• size（可选，默认：None）: 输出形状。

示例 6：numpy.random.uniform() 基本用法

import numpy as np

arr = np.random.uniform(-5, 5, size=(2, 2))
print(arr)

运行结果如下。

[[ 2.316781 -3.457233]
 [-1.223456  4.891234]]

分析：

numpy.random.uniform(-5, 5, size=(2,2)) 表示生成 2×2 数组，元素均匀分布在 [-5, 5) 区间。

numpy.random.normal()

在 NumPy 中，我们可以使用 numpy.random.normal() 函数生成正态分布随机数。

语法：

numpy.random.normal(
    loc=0.0,
    scale=1.0,
    size=None
)

说明：

numpy.random.normal() 函数接收以下 3 个参数。

• loc（可选，默认：0.0）: 均值。
• scale（可选，默认：1.0）: 标准差（非负数）。
• size（可选，默认：None）: 输出形状。

示例 7：numpy.random.normal() 基本用法

import numpy as np

arr = np.random.normal(10, 2, size=5)
print(arr)

运行结果如下。

[12.456734  8.934562 11.023456  9.567834 10.345678]

分析：

numpy.random.normal(10, 2, size=5) 表示生成均值为 10、标准差为 2 的正态分布样本。

设置随机数种子

为了使随机数生成具有可重复性，我们可以使用 numpy.random.seed() 函数来设置一个随机数种子。然后相同的种子，会生成相同的随机数序列。

示例 8：NumPy 设置随机数种子

import numpy as np

np.random.seed(0)
arr1 = np.random.rand(2, 2)

np.random.seed(0)
arr2 = np.random.rand(2, 2)

print(np.array_equal(arr1, arr2))

运行结果如下。

True

分析：

从结果可以看出，如果使用相同的随机数种子，那么生成的随机数序列也是相同的。