Numpy 隨機數

numpy.random 模塊對 Python 內置的 random 進行了補充，增加了一些用于高效生成符合多種概率分布的樣本值的函數。這一小節將詳述如何用 Numpy 快速創建隨機數矩陣。

1. 創建符合均勻分布的隨機數組

1.1 numpy.random.rand 函數

numpy.random.rand 函數通常用來創建一個服從 “0~1” 均勻分布的隨機浮點數（組），隨機樣本取值范圍是[0,1)。函數調用方法如下：

numpy.random.rand(d0, d1, ..., dn)

構造函數接受的參數詳解如下：

案例

最簡單的情況，當不指定任何參數的時候，生成 0-1 之間的隨機浮點數：

np.random.rand()
Out:
    0.014109814461294223

相應地，也可以指定產生一個固定維度的數組，例如希望生成一個指定維度為 3×2，服從 “0-1” 均勻分布的數組，可以用如下語句順利實現：

np.random.rand(3, 2)
Out:
    array([[0.14222306, 0.63311185],
           [0.01911767, 0.91424813],
           [0.86915706, 0.23034553]])

1.2 numpy.random.uniform 函數

numpy.random.uniform 函數可以用來創建一個在指定區間內符合均勻分布的隨機數（組）。函數調用方法如下：

numpy.random.uniform(low=0.0, high=1.0, size=None)

構造函數接受的參數詳解如下：

案例

在默認情況下，即無任何傳參的時候，numpy.random.uniform 和 numpy.random.rand 函數效果類似：

np.random.uniform()
Out:
    0.01472448451244368

其功能都是產生一個 0-1 之間隨機浮點數。

在實際應用中，uniform 函數的功能更加強大一些。例如，可以創建一個在0-10之間均勻采樣的4×4方陣：

np.random.uniform(0, 10, size=(4,4))
Out:
    array([[9.4065469 , 3.38814606, 7.76009959, 5.56976042],
           [5.39726103, 5.99217826, 1.42095879, 6.53239593],
           [7.41342354, 0.91189054, 9.27952511, 5.98864329],
           [1.26426182, 9.541969  , 3.74923191, 5.0722331 ]])

1.3 numpy.random.randint 函數

numpy.random.randint 函數可以用來創建一個在指定區間內符合均勻分布的隨機整數（數組）。函數調用方法如下：

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

構造函數接受的參數詳解如下：

案例

在只指定 low 參數的時候，可以用來產生一個隨機整數：

np.random.randint(10)
Out:
    5

類似地，也可以在更大范圍內采樣。例如，對 0-100 之間整數均勻采樣：

np.random.randint(0, 100, size=10, dtype=np.int16)
Out:
    array([ 9, 59, 47, 52, 50, 16, 49, 20, 82,  0], dtype=int16)

可以觀察發現：size 取整數值時，返回結果為一維數組。

2. 創建符合正態分布的隨機數組

正態分布是一種更為常見的特征分布。Numpy 也提供了相應的函數。

2.1 numpy.random.randn函數

numpy.random.randn 函數可以用來創建一個指定維度的、符合標準正態分布（以0為均值、1為標準差）的浮點數（數組）。函數調用方法如下：

numpy.random.randn(d0, d1, ..., dn)

構造函數接受的參數詳解如下：

案例

最簡單的情況，當不指定任何參數的時候，生成 0-1 之間的隨機浮點數：

np.random.randn()
Out:
    -0.12290005859272764

相應地，也可以指定產生一個固定維度的數組，例如希望生成一個指定維度為 3×2，服從 “0-1” 均勻分布的數組，可以用如下語句順利實現：

np.random.randn(3, 2)
Out:
    array([[-0.57391562,  0.06713778],
           [ 1.06383981, -0.36837876],
           [ 1.21325918,  2.83456824]])

可以發現，numpy.random.randn 函數和 numpy.random.rand 函數的調用規則非常相似，不同的地方在于產生隨機數的分布不一樣。

2.2 numpy.random.normal函數

numpy.random.normal 函數可以用來創建一個指定維度的、符合指定正態分布（以loc為均值、scale為標準差）的浮點數（數組）。函數調用方法如下：

numpy.random.normal(loc=0.0, scale=1.0, size=None)

構造函數接受的參數詳解如下：

案例

在不指定均值和標準差的時候，numpy.random.normal 會產生一個符合標準正態分布的浮點數：

np.random.normal()
Out:
    -0.8810020954896429

相應地，也可以指定分布特征。例如：產生一個大小為 3×2，符合均值為 5，標準差為 10 的正態分布的數組：

arr_rand3 = np.random.normal(5, 10, (3, 2))
Out:
    array([[ -7.77480714,  -2.68529581],
           [  4.40425363,  -8.39891281],
           [-13.08126657,  -9.74238828]])

3. 小結

本節主要介紹了利用 Numpy 內置的 random 方法，創建均勻分布和正態分布的數組。和 Python 內置的 random 模塊不同的是，在 Numpy 中，你可以指定 size 參數，來快速生成數組集合，效率較random 模塊有了很大的提升。