【数据处理】Numpy.random模块的常用函数

我们在刚刚接触到numpy时，总会需要构建numpy数组。这时大多数书上的例子又总是使用numpy.random中的函数来构建，对于很多不熟悉或记不住这个模块函数的小伙伴就很伤脑筋了。下面来讲一下这些常用的函数是干什么用的：

首先导入numpy库：

import numpy as np

1. np.random.rand(d0,d1,.....,dn) ## 产生[0,1]的浮点随机数,括号里参数可以指定产生数组的形状，也可以直接指定一维数组的元素个数
                        ## 例如：np.random.rand(3,2)则产生 3×2的数组，里面的数是0～1的浮点随机数
                        ## 例如：np.random.rand(10) 将产生10个0~1的浮点随机数

2. np.random.randn(d0,d1,.....,dn) ## 这个函数的作用就是从标准正态分布中返回一个或多个样本值。

                                 ##当然，你有可能已经忘记了什么是标准正态分布。标准正态分布俗称高斯分布，

                                 ##正态分布是大自然中最常见的分布，标准正态分布就是期望值为0，方差为1的分布。

如下：

标准正态分布

当

   

时，正态分布就成为 标准正态分布

3.np.random.randint(low,high,size)## 产生指定范围的随机数位于半开区间[low,high)，最后一个参数是元祖，他确定数组的形状或元素个数（一维的时候是与元素个数）

4.np.random.random_sample([size])  ## 返回随机的浮点数，在半开区间[0.0,1.0),size为数组大小
5.np.random([size])  ## 返回随机的浮点数，在半开区间[0.0,1.0),官网上的例子和random_sample完全一样
6.np.random.choice(a[,size,replace,p])  ## 生成一个随机样本，从一个给定的数组
7.np.random.shuffle(x)  ## 现场修改序列，改变自身内容（类似洗牌，打乱顺序）