解析numpy常用的隨機數產生方法

numpy產生隨機數的常用方法解析

隨機數在資料分析和機器學習中具有重要的作用。 numpy是Python中一個常用的數值計算庫，提供了多種產生隨機數的方法。本文將對numpy產生隨機數的常用方法進行解析，並給出具體的程式碼範例。

1. 隨機整數

numpy提供了產生隨機整數的函數numpy.random.randint()。此函數可以產生指定範圍內的隨機整數。

import numpy as np

# 生成范围在[low, high)之间的随机整数
rand_int = np.random.randint(low, high, size)

其中，low表示產生隨機整數的下界（包含），high表示上界（不包含），size表示產生的隨機整數的數量。

範例：

import numpy as np

rand_int = np.random.randint(1, 10, size=5)
print(rand_int)

輸出：
[4 9 5 3 1]

上述程式碼產生了5個範圍在1到10之間的隨機整數。

2. 隨機浮點數

numpy提供了產生隨機浮點數的函數numpy.random.rand()和numpy.random.randn()。

import numpy as np

# 生成[0, 1)之间的均匀分布的随机浮点数
rand_float = np.random.rand(size)

# 生成符合标准正态分布的随机浮点数
rand_normal_float = np.random.randn(size)

其中，rand_float產生[0, 1)之間均勻分佈的隨機浮點數，rand_normal_float產生符合標準常態分佈的隨機浮點數。 size表示產生的隨機浮點數的數量。

範例：

import numpy as np

rand_float = np.random.rand(5)
rand_normal_float = np.random.randn(5)

print(rand_float)
print(rand_normal_float)

輸出：
[0.83600534 0.69029467 0.44770399 0.61348757 0.93889918]
[-0.61348757 0.93889918]

[-0.9200918685091876850910875050187505018750198501985050185075018507501850750501875050187501985019850198501985. 1 1.67634905]

上述程式碼生成了一個長度為5的均勻分佈隨機浮點數數組和一個長度為5的標準常態分佈隨機浮點數數組。

隨機種子

numpy產生的隨機數預設是偽隨機數，即每次執行程式產生的隨機數是不同的。如果想要產生相同的隨機數序列，可以使用隨機種子。

import numpy as np

# 设置随机种子
np.random.seed(seed)

其中，seed表示隨機種子的值。相同隨機種子產生的隨機數序列是相同的。

範例：

import numpy as np

np.random.seed(0)

rand_int = np.random.randint(1, 10, size=5)
print(rand_int)

np.random.seed(0)

rand_int = np.random.randint(1, 10, size=5)
print(rand_int)

輸出：
[6 1 4 8 4][6 1 4 8 4]

上述程式碼設定了隨機種子為0，使用相同的隨機種子產生了兩個相同的隨機整數陣列。

透過本文對numpy產生隨機數的常用方法的解析和程式碼範例，相信讀者能更熟悉numpy庫中產生隨機數的操作。在資料分析和機器學習等領域，隨機數的產生是常見的操作，掌握這些方法對於進行相關的資料實驗和模型訓練是非常有幫助的。 ###

以上是解析numpy常用的隨機數產生方法的詳細內容。更多資訊請關注PHP中文網其他相關文章！