random.uniform()總結

from numpy import random

numpy.random.uniform(low=0.0, high=1.0, size=None)
生出size個符合均分布的浮點數，取值范圍為[low, high)，默認取值范圍為[0, 1.0)

>>> random.uniform() 0.3999807403689315 >>> random.uniform(size=1) array([0.55950578]) >>> random.uniform(5, 6) 5.293682668235986 >>> random.uniform(5, 6, size=(2,3)) array([[5.82416021, 5.68916836, 5.89708586],[5.63843125, 5.22963754, 5.4319899 ]])

numpy.random.rand(d0, d1, …, dn)
生成一個(d0, d1, …, dn)維的數組，數組的元素取自[0, 1)上的均分布，若沒有參數輸入，則生成一個數

>>> random.rand() 0.4378166124207712 >>> random.rand(1) array([0.69845956]) >>> random.rand(3,2) array([[0.15725424, 0.45786148],[0.63133098, 0.81789056],[0.40032941, 0.19108526]]) >>> random.rand(3,2,1) array([[[0.00404447],[0.3837963 ]],[[0.32518355],[0.82482599]],[[0.79603205],[0.19087375]]])

numpy.random.randint(low, high=None, size=None, dtype=‘I’)
生成size個整數，取值區間為[low, high)，若沒有輸入參數high則取值區間為[0, low)

>>> random.randint(8) 5 >>> random.randint(8, size=1) array([1]) >>> random.randint(8, size=(2,2,3)) array([[[4, 7, 0],[1, 4, 1]],[[2, 2, 5],[7, 6, 4]]]) >>> random.randint(8, size=(2,2,3), dtype='int64') array([[[5, 5, 6],[2, 7, 2]],[[2, 7, 6],[4, 7, 7]]], dtype=int64)

numpy.random.random_integers(low, high=None, size=None)
生成size個整數，取值區間為[low, high], 若沒有輸入參數high則取值區間為[1, low]，注意這里左右都是閉區間

>>> random.random_integers(5) 1 >>> random.random_integers(5, size=1) array([2]) >>> random.random_integers(4, 5, size=(2,2)) array([[5, 4],[4, 4]])

numpy.random.random(size=None)
產生[0.0, 1.0)之間的浮點數

>>> random.random(5) array([0.94128141, 0.98725499, 0.48435957, 0.90948135, 0.40570882]) >>> random.random() 0.49761416226728084

相同用法：
numpy.random.random_sample
numpy.random.ranf
numpy.random.sample (抽取不重復)

numpy.random.bytes(length)
生成隨機字節

>>> random.bytes(1) b'%' >>> random.bytes(2) b'\xd0\xc3'

numpy.random.choice(a, size=None, replace=True, p=None)
從a（數組）中選取size（維度）大小的隨機數，replace=True表示可重復抽取，p是a中每個數出現的概率

若a是整數，則a代表的數組是arange(a)

>>> random.choice(5) 3 >>> random.choice([0.2, 0.4]) 0.2 >>> random.choice([0.2, 0.4], p=[1, 0]) 0.2 >>> random.choice([0.2, 0.4], p=[0, 1]) 0.4 >>> random.choice(5, 5) array([1, 2, 4, 2, 4]) >>> random.choice(5, 5, False) array([2, 0, 1, 4, 3]) >>> random.choice(100, (2, 3, 5), False) array([[[43, 81, 48, 2, 8],[33, 79, 30, 24, 83],[ 3, 82, 97, 49, 98]],[[32, 12, 15, 0, 96],[19, 61, 6, 42, 60],[ 7, 93, 20, 18, 58]]])

numpy.random.permutation(x)
隨機打亂x中的元素。若x是整數，則打亂arange(x)，若x是一個數組，則將copy(x)的第一位索引打亂，意思是先復制x，對副本進行打亂處理，打亂只針對數組的第一維

>>> random.permutation(5) array([1, 2, 3, 0, 4]) >>> random.permutation(5) array([1, 4, 3, 2, 0]) >>> random.permutation([[1,2,3],[4,5,6]]) array([[1, 2, 3],[4, 5, 6]]) >>> random.permutation([[1,2,3],[4,5,6]]) array([[4, 5, 6],[1, 2, 3]])

numpy.random.shuffle(x)
與permutation類似，隨機打亂x中的元素。若x是整數，則打亂arange(x). 但是shuffle會對x進行修改

>>> a = arange(5) >>> a array([0, 1, 2, 3, 4]) >>> random.permutation(a) array([1, 4, 3, 2, 0]) >>> a array([0, 1, 2, 3, 4]) >>> random.shuffle(a) >>> a array([4, 1, 3, 2, 0])

numpy.random.seed(seed=None)
設置隨機生成算法的初始值

轉自 https://www.cnblogs.com/JetReily/p/9398148.html

總結

以上是生活随笔為你收集整理的random.uniform()总结的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。