标签：multi ISE win head 种子 正态分布 ace max list
Python自带的random库
| 函数名称 |
函数功能 |
| random.randint(n,m) |
产生n-m间的一个随机数 |
| random.random() |
产生0-1间的浮点数 |
| random.uniform(1.1,5.4) |
产生n-m间的浮点数 |
| random.randrange(n,m,k) |
产生n-m间隔为k的整数 |
| random.choice([1, 2, 3, 4, 5, 6, 7, 8, 9, 0]) |
从序列中随机选取一个元素 |
| random.shuffle([1,3,5,6,7]) |
打乱序列次序 |
numpy.random 模块
在数据分析中，数据的获取是第一步，numpy.random 模块提供了非常全的自动产生数据API，是学习数据分析的第一步。
总体来说，numpy.random模块分为四个部分，对应四种功能：
- 简单随机数： 产生简单的随机数据，可以是任何维度
- 排列：将所给对象随机排列
- 分布：产生指定分布的数据，如高斯分布等
- 生成器：种随机数种子，根据同一种子产生的随机数是相同的
以下是详细内容以及代码实例：（以下代码默认已导入numpy： import numpy as np ）
1. 生成器
电脑产生随机数需要明白以下几点：
- 随机数是由随机种子根据一定的计算方法计算出来的数值。所以，只要计算方法一定，随机种子一定，那么产生的随机数就不会变。
- 只要用户不设置随机种子，那么在默认情况下随机种子来自系统时钟（即定时/计数器的值）
- 随机数产生的算法与系统有关，Windows和Linux是不同的，也就是说，即便是随机种子一样，不同系统产生的随机数也不一样。
numpy.random 设置种子的方法有：
| 函数名称 |
函数功能 |
参数说明 |
| RandomState |
定义种子类 |
RandomState是一个种子类，提供了各种种子方法，最常用seed |
| seed([seed]) |
定义全局种子 |
参数为整数或者矩阵 |
2. 简单随机数
| 函数名称 |
函数功能 |
参数说明 |
| rand(d0, d1, …, dn) |
产生均匀分布的随机数 |
dn为第n维数据的维度 |
| randn(d0, d1, …, dn) |
产生标准正态分布随机数 |
dn为第n维数据的维度 |
| randint(low[, high, size, dtype]) |
产生随机整数 |
low：最小值；high：最大值；size：数据个数 |
| random_sample([size]) |
在[0,1）内产生随机数 |
size：随机数的shape，可以为元祖或者列表，[2,3]表示2维随机数，维度为（2,3） |
| random([size]) |
同random_sample([size]) |
同random_sample([size]) |
| ranf([size]) |
同random_sample([size]) |
同random_sample([size]) |
| sample([size])) |
同random_sample([size]) |
同random_sample([size]) |
| choice(a[, size, replace, p]) |
从a中随机选择指定数据 |
a：1维数组 size：返回数据形状 |
| bytes(length) |
返回随机位 |
length：位的长度 |
3. 分布
numpy.random模块提供了产生各种分布随机数的API：
| 函数名称 |
函数功能 |
参数说明 |
| beta(a, b[, size]) |
贝塔分布样本，在 [0, 1]内。 |
|
| binomial(n, p[, size]) |
二项分布的样本。 |
|
| chisquare(df[, size]) |
卡方分布样本。 |
|
| dirichlet(alpha[, size]) |
狄利克雷分布样本。 |
|
| exponential([scale, size]) |
指数分布 |
|
| f(dfnum, dfden[, size]) |
F分布样本。 |
|
| gamma(shape[, scale, size]) |
伽马分布 |
|
| geometric(p[, size]) |
几何分布 |
|
| gumbel([loc, scale, size]) |
耿贝尔分布。 |
|
| hypergeometric(ngood, nbad, nsample[, size]) |
超几何分布样本。 |
|
| laplace([loc, scale, size]) |
拉普拉斯或双指数分布样本 |
|
| logistic([loc, scale, size]) |
Logistic分布样本 |
|
| lognormal([mean, sigma, size]) |
对数正态分布 |
|
| logseries(p[, size]) |
对数级数分布。 |
|
| multinomial(n, pvals[, size]) |
多项分布 |
|
| multivariate_normal(mean, cov[, size]) |
多元正态分布。 |
|
| negative_binomial(n, p[, size]) |
负二项分布 |
|
| noncentral_chisquare(df, nonc[, size]) |
非中心卡方分布 |
|
| noncentral_f(dfnum, dfden, nonc[, size]) |
非中心F分布 |
|
| normal([loc, scale, size]) |
正态(高斯)分布 |
|
| pareto(a[, size]) |
帕累托（Lomax）分布 |
|
| poisson([lam, size]) |
泊松分布 |
|
| power(a[, size]) |
Draws samples in [0, 1] from a power distribution with positive exponent a - 1. |
|
| rayleigh([scale, size]) |
Rayleigh 分布 |
|
| standard_cauchy([size]) |
标准柯西分布 |
|
| standard_exponential([size]) |
标准的指数分布 |
|
| standard_gamma(shape[, size]) |
标准伽马分布 |
|
| standard_normal([size]) |
标准正态分布 (mean=0, stdev=1). |
|
| standard_t(df[, size]) |
Standard Student’s t distribution with df degrees of freedom. |
|
| triangular(left, mode, right[, size]) |
三角形分布 |
|
| uniform([low, high, size]) |
均匀分布 |
|
| vonmises(mu, kappa[, size]) |
von Mises分布 |
|
| wald(mean, scale[, size]) |
瓦尔德（逆高斯）分布 |
|
| weibull(a[, size]) |
Weibull 分布 |
|
| zipf(a[, size]) |
齐普夫分布 |
|
Python随机数
标签：multi ISE win head 种子 正态分布 ace max list
原文地址：https://www.cnblogs.com/texabc/p/14669873.html