numpy 笔记： random模块
生活随笔
收集整理的這篇文章主要介紹了
numpy 笔记： random模块
小編覺得挺不錯的,現在分享給大家,幫大家做個參考.
1 基本應用
randint | 隨機生成大小為size的正整數ndarray low、high、size三個參數。默認high是None,如果只有low，那范圍就是[0,low)。如果有high，范圍就是[low,high)。 |
randn | 從標準正態分布中返回樣本值 |
rand等于 random等于 random_sample等于 ranf等于 sample | 隨機樣本位于[0, 1)中 |
choice | 從某個列表中隨機選取一個（默認）/多個元素 默認情況下，是放回選擇的，如果想要不放回隨機選擇，需要加replace=False |
bytes | 隨機返回幾個字節 （注：這里的length是必須的） |
shuffle | 現場修改序列，改變自身內容。 注意，它會將源數據洗牌重新排列，如果你想保留源數據的話，記得?np.copy(data)?備份一下 |
permutation | numpy筆記：random.permutation_UQI-LIUWJ的博客-CSDN博客 相比?np.random.shuffle()，permutation 有一個好處，就是可以返回一個新數據，對原本的數據沒有影響。而且還可以處理多維數據。 |
在random包中還有一個random.randrange(a,b,c)，效果就是從range(a,b,c)中隨機ran一個值
2 分布
| beta(a,?b[,?size]) | 貝塔分布樣本，在?[0,?1]內。 |
| binomial(n,?p[,?size]) | 二項分布的樣本。 |
| chisquare(df[,?size]) | 卡方分布樣本。 |
| dirichlet(alpha[,?size]) | 狄利克雷分布樣本。 |
| exponential([scale, size]) | 指數分布 |
| f(dfnum, dfden[, size]) | F分布樣本 |
| gamma(shape[, scale, size]) | 伽馬分布 |
| geometric(p[, size]) | 幾何分布 |
| gumbel([loc, scale, size]) | 耿貝爾分布 |
| hypergeometric(ngood, nbad, nsample[, size]) | 超幾何分布 |
| laplace([loc, scale, size]) | 拉普拉斯或雙指數分布 |
| logistic([loc, scale, size]) | Logistic分布樣本 |
| lognormal([mean, sigma, size]) | 對數正態分布 |
| logseries(p[, size]) | 對數級數分布 |
| multinomial(n, pvals[, size]) | 多項分布 對 p 個可能結果之一進行n次實驗。 ?表示扔出來的1有4次，2有3次，3有6次。。。 size表示做幾次實驗 |
| multivariate_normal(mean, cov[, size]) | 多元正態分布 |
| negative_binomial(n, p[, size]) | 負二項分布 |
| 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]) | 正態(高斯)分布 |
| pareto(a[, size]) | 帕累托（Lomax）分布 |
| poisson([lam, size]) | 泊松分布 |
| rayleigh([scale, size]) | Rayleigh 分布 |
| standard_cauchy([size]) | 標準柯西分布 |
| standard_exponential([size]) | 標準指數分布 |
| standard_gamma(shape[, size]) | 標準伽馬分布 |
| standard_normal([size]) | 標準正態分布 (mean=0, stdev=1). |
| triangular(left, mode, right[, size]) | 三角形分布 |
| uniform([low, high, size]) | 均勻分布 |
| vonmises(mu, kappa[, size]) | von Mises分布 |
| wald(mean, scale[, size]) | 瓦爾德（逆高斯）分布 |
| weibull(a[, size]) | Weibull 分布 |
| zipf(a[, size]) | 齊普夫分布 |
總結
以上是生活随笔為你收集整理的numpy 笔记： random模块的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： markdown 笔记
- 下一篇： matplotlib 笔记：使用TeX标