Python随机数_python

概述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 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