本文共 1661 字，大约阅读时间需要 5 分钟。

在Numpy中一切皆矩阵

1、random

首先来看一下它的函数定义，主要看他的接受的参数，（虽然在函数体里什么都没有，但是照样能用它产生数据，这里由于水平原因，不再继续深入探究）

def random(size=None): # real signature unknown; restored from __doc__    """    random(size=None)    		返回值，这里没有遵循什么分布规律，只是简单的生成0-1的浮点数，且左闭右开            Return random floats in the half-open interval [0.0, 1.0). Alias for            `random_sample` to ease forward-porting to the new random API.    """    pass

我们分两种情况来探究，这个size参数。

情况一

直接给参数传一个整数，即size=3

print(np.random.random(3))

返回值：是一个一维数组，注意他不是列表

[0.20367297 0.55265547 0.72267248]

情况二

给参数传一个元组，即size=(3, 3)

print(np.random.random((3, 3)))

返回值：是一个二维数组

[[8.88325725e-01 7.05841883e-01 1.38825064e-01]

[4.89045258e-01 7.25233743e-01 8.95902437e-02]

[3.62093551e-01 5.59233974e-01 1.84422779e-04]]

说明：①情况一中的整数也可以写成元组，只不过我们为了省事，不这么写；②元组也可以换成列表类型

2、randint

还是主要看前三个参数，其中size和上面的一样，我们分别来探究三个参数对返回值的影响。最后一个是返回值类型，在理不做讨论。

这个家伙也是，函数体里啥都没有

情况一：

只对第一个参数赋值，后面两个有默认值，我们这里先不管他们。

print(np.random.randint(10))

返回值：仅仅得到一个整数，且得到的整数总是小于lower

9

情况二：

对前两个参数赋值，注意high>lower，即第二个参数要大于第一个参数的值

print(np.random.randint(10, 23))

返回值：仅仅得到一个整数，得到的整数总是在lower和high之间

17

情况三：

三个参数都赋值

print(np.random.randint(10, 22, (3, 2)))

[[18 11]

[18 16]

[10 17]]

说明：①lower和high均可以为浮点数；②其实只对lower赋值，相当于lower=0，high=所赋值的lower；③可以只对lower和size赋值

2、randn和rand

这两个放一起说，因为他们的参数一样，只不过生成的随机数的分布不同。

还是老规矩，先看函数定义：

rand

randn

看到了吧，他们是何其相似，连注解都一样。

下面来说说，dn是什么，其实，最关键的还是对符号的理解，它相当于把一个元组数据拆分成一个个具体的数值。

来看两个例子，了解一下他的参数返回的值，就明白了。

情况一：

print(np.random.rand(2))

返回结果：

[0.57531079 0.67555903]

情况二：

print(np.random.rand(2, 3))

返回结果：

[[0.61497674 0.199005 0.4309077 ]

[0.02964575 0.70530525 0.26741078]]

再来说说他们的分布，

rand是uniform分布。详细解释，看

randn是正态分布，这个就不放图了，大家都懂。

怎么区分他们的分布，带n的是正态分布。

转载地址：http://lugsz.baihongyu.com/