np中的随机函数
numpy.random.uniform介绍：
1. 函数原型：  numpy.random.uniform(low,high,size)  ==》也即其他函数是对该函数的进⼀步封装
功能：从⼀个均匀分布[low,high)中随机采样，注意定义域是左闭右开，即包含low，不包含high.
参数介绍:
low: 采样下界，float类型，默认值为0；
high: 采样上界，float类型，默认值为1；
size: 输出样本数⽬，为int或元组(tuple)类型，例如，size=(m,n,k), 则输出m*n*k个样本，缺省时输出1个值。
返回值：ndarray类型，其形状和参数size中描述⼀致。
这⾥顺便说下ndarray类型，表⽰⼀个N维数组对象，其有⼀个shape（表维度⼤⼩）和dtype（说明数组数据类型的对象），使⽤zeros和ones函数可以创建数据全0或全1的数组，原型：
其中，shape表数组形状（m*n）,dtype表类型,order表是以C还是fortran形式存放数据。
numpy.random.uniform(low=0.0, high=1.0, size=None)
2. 类似uniform，还有以下随机数产⽣函数：
a. randint: 原型：numpy.random.randint(low, high=None, size=None, dtype='l')，产⽣随机整数；
b. random_integers: 原型： numpy.random.random_integers(low, high=None, size=None)，在闭区间上产⽣随机整数；
c. random_sample: 原型： numpy.random.random_sample(size=None)，在[0.0,1.0)上随机采样；
d. random: 原型： numpy.random.random(size=None)，和random_sample⼀样，是random_sample的别名；
e. rand: 原型： numpy.random.rand(d0, d1, ..., dn)，产⽣d0 - d1 - ... - dn形状的在[0,1)上均匀分布的float型数。
f. randn: 原型：numpy.random.randn（d0,d1,...,dn)，产⽣d0 - d1 - ... - dn形状的标准正态分布的float型数。
3. numpy.random.RandomState：
  “Container for the Mersenne Twister pseudo-random number generator.” 翻译过来为：
它是⼀个容器，⽤来存储采⽤梅森旋转产⽣伪随机数的算法。
输⼊参数：seed，可选项{None, int, array_like}，没有给定的话，函数随机选⼀个起始点，
这样深度学习的结果可能接近，但不完全相同，如果给定⼀个seed，则结果是deterministic，
是确定的，但给定不给定seed对输出随机数并没有影响，只是相当于给定了⼀个初始点，后⾯
的数也是基于这个seed⽽产⽣。
4.np.random.choice
RandomState.choice(a, size=None, replace=True, p=None)
  a : 1-D array-like or int    If an ndarray, a random sample is generated from its elements.
  如果是ndarray数组，随机样本在该数组获取（取数据元素），    If an int, the random sample is generated as if a was np.arange(n)  如果是整型数据随机样本⽣成类似np.arange(n)
  size : int or tuple of ints, optional
  ⼤⼩：整型或整型元组中元素个数，可选
  replace : boolean, optional
  替换：布尔型，可选    Whether the sample is with or without replacement
  样本是否有重复值（False，没有；True，有；默认：True）
  见例⼦3
  p : 1-D array-like, optional
    1维数组，可选
      The probabilities associated with each entry in a. If not given the sample assumes a uniform distribution over all entries in a.
  　和a⾥的每个输⼊联系，如果没有该参数，默认假设a⾥的每个输⼊等概率出现。（和a中元素⼀⼀对应，表⽰该元素出现的概率，概率⼤的，出现较多）random翻译
p=3
s((5,5))
py(Z)
choice=np.random.choice(range(5*5), p, replace=False)
print(choice)
np.put(Z,choice,1)
print(Z)
np.put(z,np.random.choice(range(3*3),p,replace=False),1) Z
[12 24  8]
[[0. 0. 0. 0. 0.]
[0. 0. 0. 1. 0.]
[0. 0. 1. 0. 0.]
[0. 0. 0. 0. 0.]
[0. 0. 0. 0. 1.]]
Out[103]:
array([[0., 0., 0., 0., 0.],
[0., 0., 0., 1., 0.],
[0., 0., 1., 0., 0.],
[0., 0., 0., 0., 0.],
[0., 0., 0., 0., 1.]])

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。