一、利用NumPy生成随机整数
生成随机整数是随机数生成中最基本的一种,NumPy提供了丰富的参数来满足不同需求。使用NumPy生成整数的主要函数为
numpy.random.randint(low, high=None, size=None, dtype='l')。
1. 内置函数
在不指定high和size的情况下,
numpy.random.randint()函数会默认生成大小为1的整数。这里我们生成一个位于0~9之间的整数:
import numpy as np # 生成一个0~9之间的整数 random_int = np.random.randint(10) print(random_int)
输出结果为:
7
2. 生成一维整数数组
指定size参数可生成指定长度的一维整数数组,下面我们生成一个长度为5,范围在0~9之间的整数数组:
# 生成长度为5,位于0~9之间的整数数组 int_arr = np.random.randint(10, size=5) print(int_arr)
输出结果为:
[7 0 0 8 6]
3. 生成多维整数数组
同时指定多维的size参数,可生成多维整数数组。下面我们生成一个2行3列,范围在0~9之间的整数数组:
# 生成2行3列,位于0~9之间的整数数组 multi_int_arr = np.random.randint(10, size=(2, 3)) print(multi_int_arr)
输出结果为:
[[9 1 9] [2 3 5]]
二、利用NumPy生成随机浮点数
1. 生成大小为1的浮点数
使用
numpy.random.random()函数生成一个大小为1,范围在0~1之间的随机浮点数:
# 生成一个0~1之间的浮点数 random_float = np.random.random() print(random_float)
输出结果为:
0.3064615180581145
2. 生成一维浮点数数组
使用
numpy.random.random()函数生成指定长度的浮点数组:
# 生成长度为5的浮点数数组 float_arr = np.random.random(5) print(float_arr)
输出结果为:
[0.99097366 0.40191725 0.65874989 0.50773082 0.4824932 ]
3. 生成多维浮点数数组
使用
numpy.random.random()函数生成多维浮点数组:
# 生成2行3列的浮点数数组 multi_float_arr = np.random.random((2, 3)) print(multi_float_arr)
输出结果为:
[[0.25836305 0.54854547 0.81223991] [0.80771572 0.23399947 0.0426168 ]]
三、利用NumPy生成正态分布的随机数
正态分布是随机数生成中最常用的一种概率分布,它在自然界和生活中广泛存在。在NumPy中,我们可以使用常见的均值和标准差来指定生成正态分布的随机数,主要函数为
numpy.random.normal(loc=0.0, scale=1.0, size=None)。
下面我们生成一个均值为5,标准差为2,大小为3的正态分布随机数数组:
# 生成均值为5,标准差为2,大小为3的正态分布随机数数组 normal_arr = np.random.normal(loc=5, scale=2, size=3) print(normal_arr)
输出结果为:
[4.74308612 3.2911358 4.63850666]
四、随机数的应用
随机数在数据处理和模拟等领域中有广泛的应用,下面我们以一个简单的例子来说明随机数的应用。我们来模拟投掷一枚硬币,生成一个长度为10的随机数数组,其中1表示正面,0表示反面:
# 投掷一枚硬币,正面为1,反面为0 coin_toss = np.random.randint(2, size=10) print(coin_toss)
输出结果为:
[0 1 1 0 0 1 1 1 0 1]
以上代码生成了一个长度为10,为0或1的数组来表示投掷硬币的结果。我们可以使用NumPy的
numpy.sum()函数来计算正面朝上的次数:
# 计算正面朝上的次数 heads = np.sum(coin_toss) print("正面朝上的次数:", heads)
输出结果为:
正面朝上的次数: 6
以上例子展示了NumPy生成随机数的基本方法以及随机数的应用,在数据处理和模拟中,可以使用NumPy高效地生成各种形式的随机数。