np中的随机函数

numpy.random.uniform介绍：

1. 函数原型： numpy.random.uniform(low,high,size) ==》也即其他函数是对该函数的进一步封装

功能：从一个均匀分布[low,high)中随机采样，注意定义域是左闭右开，即包含low，不包含high.

参数介绍:

    low: 采样下界，float类型，默认值为0；
    high: 采样上界，float类型，默认值为1；
    size: 输出样本数目，为int或元组(tuple)类型，例如，size=(m,n,k), 则输出m*n*k个样本，缺省时输出1个值。

返回值：ndarray类型，其形状和参数size中描述一致。

这里顺便说下ndarray类型，表示一个N维数组对象，其有一个shape（表维度大小）和dtype（说明数组数据类型的对象），使用zeros和ones函数可以创建数据全0或全1的数组，原型：

numpy.ones(shape,dtype=None,order='C'),
其中，shape表数组形状（m*n）,dtype表类型,order表是以C还是fortran形式存放数据。

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

2. 类似uniform,还有以下随机数产生函数：

a. randint: 原型：numpy.random.randint(low, high=None, size=None, dtype='l')，产生随机整数；
    b. random_integers: 原型： numpy.random.random_integers(low, high=None, size=None)，在闭区间上产生随机整数；
    c. random_sample: 原型： numpy.random.random_sample(size=None)，在[0.0,1.0)上随机采样；
    d. random: 原型： numpy.random.random(size=None)，和random_sample一样，是random_sample的别名；
    e. rand: 原型： numpy.random.rand(d0, d1, ..., dn)，产生d0 - d1 - ... - dn形状的在[0,1)上均匀分布的float型数。
    f. randn: 原型：numpy.random.randn（d0,d1,...,dn),产生d0 - d1 - ... - dn形状的标准正态分布的float型数。

3. numpy.random.RandomState：

　　“Container for the Mersenne Twister pseudo-random number generator.” 翻译过来为：

它是一个容器，用来存储采用梅森旋转产生伪随机数的算法。

输入参数：seed，可选项{None, int, array_like}，没有给定的话，函数随机选一个起始点，
             这样深度学习的结果可能接近，但不完全相同，如果给定一个seed，则结果是deterministic，
             是确定的，但给定不给定seed对输出随机数并没有影响，只是相当于给定了一个初始点，后面
             的数也是基于这个seed而产生。

4.np.random.choice

RandomState.choice(a, size=None, replace=True, p=None)
　　a : 1-D array-like or int If an ndarray, a random sample is generated from its elements.
   　　如果是ndarray数组，随机样本在该数组获取（取数据元素）， If an int, the random sample is generated as if a was np.arange(n)
　　如果是整型数据随机样本生成类似np.arange(n)
　　size : int or tuple of ints, optional
　　   大小：整型或整型元组中元素个数，可选
　　replace : boolean, optional
　　    替换：布尔型，可选 Whether the sample is with or without replacement
　　    样本是否有重复值（False，没有；True，有；默认：True）
　　见例子3
　　p : 1-D array-like, optional
　　   1维数组，可选
　　    The probabilities associated with each entry in a. If not given the sample assumes a uniform distribution over all entries in a.
　　　和a里的每个输入联系，如果没有该参数，默认假设a里的每个输入等概率出现。（和a中元素一一对应，表示该元素出现的概率，概率大的，出现较多）

p=3

Z=np.zeros((5,5))

z=np.copy(Z)

choice=np.random.choice(range(5*5), p, replace=False)

print(choice)

np.put(Z,choice,1)

print(Z)

np.put(z,np.random.choice(range(3*3),p,replace=False),1)

Z

[12 24  8]

[[0. 0. 0. 0. 0.]

 [0. 0. 0. 1. 0.]

 [0. 0. 1. 0. 0.]

 [0. 0. 0. 0. 0.]

 [0. 0. 0. 0. 1.]]

Out[103]:

array([[0., 0., 0., 0., 0.],

       [0., 0., 0., 1., 0.],

       [0., 0., 1., 0., 0.],

       [0., 0., 0., 0., 0.],

       [0., 0., 0., 0., 1.]])

巴特西

np中的随机函数

最新文章

热门文章