引言：在機器學習還有深度學習中，經(jīng)常會用到這幾個函數(shù)，為了便于以后熟練使用，現(xiàn)在對這幾個函數(shù)進行總結。

（一）np.random.rand()

該函數(shù)括號內(nèi)的參數(shù)指定的是返回結果的形狀，如果不指定，那么生成的是一個浮點型的數(shù)；如果指定一個數(shù)，那么生成的是一個numpy.ndarray類型的數(shù)組；如果指定兩個數(shù)字，那么生成的是一個二維的numpy.ndarray類型的數(shù)組。如果是兩個以上的數(shù)組，那么返回的維度就和指定的參數(shù)的數(shù)量個數(shù)一樣。其返回結果中的每一個元素是服從0~1均勻分布的隨機樣本值，也就是返回的結果中的每一個元素值在0-1之間。

舉例說明：

import numpy as np
mat = np.random.rand()
print(mat)
print(type(mat))
mat = np.random.rand(2)
print(mat)
print(type(mat))
mat = np.random.rand(3, 2)
print(mat)
print(type(mat))

結果為：注意我用紅框框起來的一組對應兩個print輸出，可對應程序看結果。

（二）np.random.randn()

        該函數(shù)和rand()函數(shù)比較類似，只不過運用該函數(shù)之后返回的結果是服從均值為0，方差為1的標準正態(tài)分布，而不是局限在0-1之間，也可以為負值，因為標準正態(tài)分布的曲線是關于x軸對陣的。其括號內(nèi)的參數(shù)如果不指定，那么生成的是一個浮點型的數(shù)；如果指定一個數(shù)，那么生成的是一個numpy.ndarray類型的數(shù)組；如果指定兩個數(shù)字，那么生成的是一個二維的numpy.ndarray類型的數(shù)組。和rand()相比，除了元素值不一樣，其他的性質(zhì)是一樣的。

舉例說明：

import numpy as np
mat = np.random.randn()
print(mat)
print(type(mat))
mat = np.random.randn(2)
print(mat)
print(type(mat))
mat = np.random.randn(3, 2)
print(mat)
print(type(mat))

結果為：

（三）np.random.randint(low，high，size，dtype)

該函數(shù)中包含了幾個參數(shù)，其具體含義為：

low：生成的元素值的最小值，即下限，如果沒有指定high這個參數(shù)，則low為生成的元素值的最大值。

high：生成的元素值的最大值，即上限。

size：指定生成元素值的形狀，也就是數(shù)組維度的大小。

dtype：指定生成的元素值的類型，如果不指定，默認為整數(shù)型

返回結果：返回值是一個大小為size的數(shù)組，如果指定了low和high這兩個參數(shù)，那么生成的元素值的范圍為[low,high)，不包括high；如果不指定high這個參數(shù)，則生成的元素值的范圍為[0,low)。如果不指定size這個參數(shù)，那么生成的元素值的個數(shù)只有一個。

舉例說明：

import numpy as np
# 指定一個參數(shù)low
mat = np.random.randint(low=1)
print(mat)
print(type(mat))
 
# 指定low和high，生成一個[low,high)的元素值
mat = np.random.randint(low=1, high=5)
print(mat)
print(type(mat))
 
# 指定size大小，生成一個三行三列的二維數(shù)組，元素個數(shù)為3x3=9個
mat = np.random.randint(low=2, high=10, size=(3, 3))
print(mat)
# 查看默認元素值的類型
print(type(mat[0][0]))
 
mat = np.random.randint(low=2, high=10, size=(3, 3), dtype=np.uint8)
print(mat)
print(type(mat[0][0]))
 

結果為：

（四）np.random.uniform(low，high，size)

參數(shù)說明：

low：生成元素值的下界，float類型，默認值為0
high：生成元素值的上界，float類型，默認值為1
size：輸出樣本的數(shù)目，可以指定一個值，也可指指定大于等于兩個值
返回對象：ndarray類型，形狀為size中的數(shù)值指定，其元素個數(shù)為size指定的參數(shù)的乘積

我們前面已經(jīng)說過了rand()這個函數(shù)，它返回的元素值是服從0-1的均勻分布，那如果不想要生成的是0-1范圍內(nèi)的均勻分布，想要其它范圍內(nèi)的均勻分布怎么辦呢。

uniform()實現(xiàn)了這個功能，它可以生成服從指定范圍內(nèi)的均勻分布的元素。其返回值的元素類型為浮點型。需注意的是元素值的范圍包含low，不包含high。

舉例說明：

import numpy as np
# 指定一個參數(shù)low
mat = np.random.uniform()
print(mat)
print(type(mat))
 
# 指定low和high，生成一個[low,high)的元素值
mat = np.random.uniform(low=5, high=10)
print(mat)
print(type(mat))
 
# 指定size大小，生成一個三行三列的二維數(shù)組，元素個數(shù)為3x3=9個
mat = np.random.uniform(low=2, high=10, size=(3, 3))
print(mat)
# 查看默認元素值的類型
print(type(mat[0][0]))
 
mat = np.random.uniform(low=2, high=10, size=(3, 3, 2))
print(mat)
print(type(mat[0][0][0]))
 

結果為：

總結：以上就是常用的隨機數(shù)生成函數(shù)，具體用哪一個，可根據(jù)自己需求，想要生成什么隨機數(shù)，那就使用什么樣的函數(shù)。

到此這篇關于詳述numpy中的np.random.random()系列函數(shù)用法的文章就介紹到這了,更多相關numpy np.random.random()內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！