前言：

第一次写博客，主要是想把会用到但不常用的一些python知识写下来。这次就先写随机数生成这一块（因为最近用到了）。

python里随机数生成主要有两种方式，一种是random库，另一种是numpy.random。我目前后一种用的比较多，因此就先介绍后一种中一些(我)可能常用的，第一种等有时间了再整理。

1. 用numpy.random生成随机数
 1.1 生成服从均匀分布的随机数
 1.2 生成服从正态分布的随机数
 1.3 生成服从指数分布的随机数
 1.4 生成服从二项分布的随机数
 1.5 从指定一维数据集中随机选择数据：（可用于bootstrap抽样）
1.6 将数据打乱（可用于Permutation Test）

1. 用numpy.random生成随机数

1.1 生成服从均匀分布的随机数：

语法：np.random.uniform(low, high, size)

import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

#通过low=0, high=1, size=10000，我们可以得到10000个0-1之间的随机数
data1 = np.random.uniform(low=0, high=1, size=10000)
#density设为true是将频数转化为频率
plt.hist(data1, bins=100, density=True)
plt.show()

在这里插入图片描述

1.2 生成服从正态分布的随机数：

语法：np.random.normal(loc, scale, size)

说明：其中scale为标准差

#得到10000个服从均值为2，方差为1的正态分布的随机数
data2 = np.random.normal(2, 1, 10000)
plt.hist(data2, bins=100, density=True)
plt.show()

正态分布

1.3 生成服从指数分布的随机数

语法：np.random.exponential(scale, size)

说明：scale即为 $f(x)=e^{-\lambda}$ 中的 $\lambda$

data_e = np.random.exponential(1, 10000)
plt.hist(data_e, bins=100, density=True)
plt.show()

在这里插入图片描述

1.4 生成服从二项分布的随机数

语法：np.random.binomial(n, p, size)

说明：参数n表示一次实验的样本数，p为每个样本发生的概率

#比如说，抛size=10次硬币，正面朝上的概率为p=0.5
data3 = np.random.binomial(1, p=0.5, size=10)
print(data3)

输出：[0 1 0 1 1 1 0 0 0 1]

1.5 从指定一维数据集中随机选择数据：（可用于bootstrap抽样）

语法：np.random.choice(a, size=None, replace=True, p=None)

说明：replace默认为True，意思是可以重复选择数据，即有放回抽样

data4 = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
#从data4中有放回抽5次
data5 = np.random.choice(data4, size=5)
print(data5)

输出：[ 5 10 3 9 2]

1.6 将数据打乱（可用于Permutation Test）

语法：np.random.shuffle()或np.random.permutation()
说明：shuffle是直接在原数据上打乱，permutation则是不打乱原数据，而是返回一个打乱后的数据，为numpy.ndarray对象。

import numpy as np


data1 = [1, 2, 3, 4, 5]
#先用np.random.shuffle()
data2 = np.random.shuffle(data1)
print(data1) #结果为[1, 2, 5, 4, 3]，可见将原数据打乱了
print(data2) #返回None，因为np.random.shuffle()不返回


data3 = [1, 2, 3, 4, 5]
#接下来用np.random.shuffle()
data4 = np.random.permutation(data1)

print(data3) #结果为[1, 2, 3, 4, 5]，原数据并没有乱
print(data4) #返回[5 3 1 2 4]，为numpy.ndarray对象

python随机数生成

前言：