numpy 笔记： random模块
生活随笔
收集整理的这篇文章主要介绍了
numpy 笔记： random模块
小编觉得挺不错的,现在分享给大家,帮大家做个参考.
1 基本应用
randint | 随机生成大小为size的正整数ndarray low、high、size三个参数。默认high是None,如果只有low，那范围就是[0,low)。如果有high，范围就是[low,high)。 |
randn | 从标准正态分布中返回样本值 |
rand等于 random等于 random_sample等于 ranf等于 sample | 随机样本位于[0, 1)中 |
choice | 从某个列表中随机选取一个（默认）/多个元素 默认情况下，是放回选择的，如果想要不放回随机选择，需要加replace=False |
bytes | 随机返回几个字节 （注：这里的length是必须的） |
shuffle | 现场修改序列，改变自身内容。 注意，它会将源数据洗牌重新排列，如果你想保留源数据的话，记得 np.copy(data) 备份一下 |
permutation | numpy笔记：random.permutation_UQI-LIUWJ的博客-CSDN博客 相比 np.random.shuffle()，permutation 有一个好处，就是可以返回一个新数据，对原本的数据没有影响。而且还可以处理多维数据。 |
在random包中还有一个random.randrange(a,b,c)，效果就是从range(a,b,c)中随机ran一个值
2 分布
| 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 |
| laplace([loc, scale, size]) | 拉普拉斯或双指数分布 |
| 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 对 p 个可能结果之一进行n次实验。 表示扔出来的1有4次，2有3次，3有6次。。。 size表示做几次实验 |
| 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 |
| rayleigh([scale, size]) | Rayleigh 分布 |
| standard_cauchy([size]) | 标准柯西分布 |
| standard_exponential([size]) | 标准指数分布 |
| standard_gamma(shape[, size]) | 标准伽马分布 |
| standard_normal([size]) | 标准正态分布 (mean=0, stdev=1). |
| 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 |
总结
以上是生活随笔为你收集整理的numpy 笔记： random模块的全部内容，希望文章能够帮你解决所遇到的问题。
- 上一篇： markdown 笔记
- 下一篇： matplotlib 笔记：使用TeX标