numpy生成隨機數的常用方法解析
隨機數在數據分析和機器學習中具有重要的作用。numpy是Python中一個常用的數值計算庫，提供了多種生成隨機數的方法。本文將對numpy生成隨機數的常用方法進行解析，并給出具體的代碼示例。
- 隨機整數
numpy提供了生成隨機整數的函數numpy.random.randint()。該函數可以生成指定范圍內的隨機整數。
import numpy as np # 生成范圍在[low, high)之間的隨機整數 rand_int = np.random.randint(low, high, size)
登錄后復制
其中，low表示生成隨機整數的下界（包含），high表示上界（不包含），size表示生成的隨機整數的數量。
示例：
import numpy as np rand_int = np.random.randint(1, 10, size=5) print(rand_int)
登錄后復制
輸出：
[4 9 5 3 1]
上述代碼生成了5個范圍在1到10之間的隨機整數。
- 隨機浮點數
numpy提供了生成隨機浮點數的函數numpy.random.rand()和numpy.random.randn()。
import numpy as np # 生成[0, 1)之間的均勻分布的隨機浮點數 rand_float = np.random.rand(size) # 生成符合標準正態分布的隨機浮點數 rand_normal_float = np.random.randn(size)
登錄后復制
其中，rand_float生成[0, 1)之間均勻分布的隨機浮點數，rand_normal_float生成符合標準正態分布的隨機浮點數。size表示生成的隨機浮點數的數量。
示例：
import numpy as np rand_float = np.random.rand(5) rand_normal_float = np.random.randn(5) print(rand_float) print(rand_normal_float)
登錄后復制
輸出：
[0.83600534 0.69029467 0.44770399 0.61348757 0.93889918]
[-0.9200914 0.45598762 -0.76400891 -0.18554811 1.67634905]
上述代碼生成了一個長度為5的均勻分布隨機浮點數數組和一個長度為5的標準正態分布隨機浮點數數組。
- 隨機種子
numpy生成的隨機數默認是偽隨機數，即每次運行程序生成的隨機數是不同的。如果想要生成相同的隨機數序列，可以使用隨機種子。
import numpy as np # 設置隨機種子 np.random.seed(seed)
登錄后復制
其中，seed表示隨機種子的值。相同隨機種子生成的隨機數序列是相同的。
示例：
import numpy as np np.random.seed(0) rand_int = np.random.randint(1, 10, size=5) print(rand_int) np.random.seed(0) rand_int = np.random.randint(1, 10, size=5) print(rand_int)
登錄后復制
輸出：
[6 1 4 8 4]
[6 1 4 8 4]
上述代碼設置了隨機種子為0，使用相同的隨機種子生成了兩個相同的隨機整數數組。
通過本文對numpy生成隨機數的常用方法的解析和代碼示例，相信讀者能更加熟悉numpy庫中生成隨機數的操作。在數據分析和機器學習等領域，隨機數的生成是常見的操作，掌握這些方法對于進行相關的數據實驗和模型訓練是非常有幫助的。
