np.random.randn()、np.random.rand()和np.random.randint()函数解析

版权声明：本文版权归作者和CSDN共有，欢迎转载。转载时请注明原作者并保留此段声明，若不保留我也不咬你，随你了=-=。 https://blog.csdn.net/TeFuirnever/article/details/88952409

最近看吴恩达深度学习作业代码时经常能看到numpy函数，np.random.randn()、np.random.rand()和np.random.randint()，特此记录。

1、np.random.randn()

np.random.randn()函数用于从“标准正态”分布中返回一个样本（或多个样本）。

np.random.randn(d0,
	d1,
	d2,
	……
	dn
) 

参数：

d0，d1，…，dn ： int，可选。

如果正数，提供 int_like or int-convertible参数，randn函数将会产生一个形状为(d0, d1, …, dn)的数组，充满标准高斯正态分布（均值0，方差1）中随机浮点数样本，（如果di是浮点数类型，他们会先通过截断的方式转换成正数）；如果没有提供参数，randn函数会从分布中随机抽样一个单float。

np.random.standard_normal（）函数与np.random.randn()类似，但是np.random.standard_normal（）的输入参数为元组（tuple）。

例子1：

import numpy as np

np.random.randn()

> -0.8877857476301128

例子2：

对于随机样本N（\ mu，\ sigma ^ 2），请使用：

$sigma * np.random.randn(...) + mu$

import numpy as np

2.5 * np.random.randn(2, 4) + 3

> array([[-1.95199117,  2.13021963,  3.39087242,  6.0757267 ],
         [ 6.00594962,  2.03168296,  2.24424312,  0.37861759]])

2、np.random.rand()

np.random.rand()函数用于给定形状的随机值。

np.random.randn(d0,
	d1,
	d2,
	……
	dn
) 

参数：

d0，d1，…，dn ： int，可选。

创建给定形状的数组，并使用来自均匀分布的随机样本填充它。[0, 1)

例子：

import numpy as np

np.random.rand(3,2)

> array([[0.57019677, 0.43860151],
         [0.98837384, 0.10204481],
         [0.20887676, 0.16130952]])

3、np.random.randint()

np.random.randint()函数用于从低（包含）返回到高（不包括）返回随机整数。

numpy.random.randint(low,
	high=None,
	size=None,
	dtype='l'
) 

参数：

• low：要从分布中提取的最小(带符号)整数(除非high=None，在这种情况下，此参数高于此类整数的最大值，也就是默认生成随机数的范围是[0，low）)。

• high：如果提供，则在要从分布中提取一个在最大(带符号)整数之上的整数(如果high=None，请参见上面的行为)。也就是左闭右开，[low，high）。

• size：输出的形状。如果给定形状为(m, n, k)，则绘制m * n * k个样本。默认值为None，在这种情况下返回一个值。

• dtype：期望结果的类型。所有的类型都由它们的名称决定，即’ int64 ‘，’ int ‘等，因此byteorder是不可用的，根据平台的不同，一个特定的精度可能有不同的C类型。默认值是’ np.int '。

例子1：

import numpy as np

print(np.random.randint(2, size=10))
print(np.random.randint(1, size=10))

> [0 0 0 0 1 0 1 0 1 1]
> [0 0 0 0 0 0 0 0 0 0]

例子2：

import numpy as np

np.random.randint(5, size=(2, 4))

> array([[0, 1, 2, 4],
         [2, 0, 3, 2]])