在矩阵应用的过程中，经常需要使用随机数，那么怎么使用numpy 产生随机数呢 ，为此专门做一个总结。
random模块用于生成随机数，下面是一些常用的函数用法：
numpy.random.seed(n) 其中n为任意指定
当我们设置相同的seed，每次生成的随机数相同。如果不设置seed，则每次会生成不同的随机数
numpy.random.seed(0)
np.random.seed(0)
a = np.random.rand(4)
a
array([0.5488135 , 0.71518937, 0.60276338, 0.54488318])
主要介绍了生成符合均匀分布，正态分布等数组和随机选取数以及打乱数组顺序的方法。
1.np.random.rand 生成一个0到1之间的均匀分布
import numpy as np
a = np.random.rand(2,3,4)
print(a,a.shape)
[[[0.18000344 0.03724064 0.15040061 0.93007827]
[0.59423019 0.35439936 0.49193457 0.37633185]
[0.83924196 0.4908405 0.49387427 0.98718216]]
[[0.20072849 0.90163245 0.36710883 0.56668257]
[0.61402791 0.46602958 0.56086072 0.83099671]
[0.85196098 0.62774727 0.62826083 0.41739078]]] (2, 3, 4)
2.np.random.randn 返回一个符合标准正态分布的数组。
a = np.random.randn(2,3,4)
print(a,a.shape)
[[[ 0.32062268 0.08867553 -0.83741647 -0.21917891]
[-0.06516898 -1.17123767 2.2403833 -0.77741757]
[ 0.33532261 0.27309929 1.07279005 0.79952468]]
[[ 0.18503166 0.90777579 -1.52837098 -1.23783753]
[ 0.9327577 1.61876194 0.52191996 0.53451075]
[-1.05485337 1.01472352 0.19376936 0.00278223]]] (2, 3, 4)
3.np.random.randint返回一定范围的一维或者多维整数
numpy.random.randint(low, high=None, size=None, dtype=’l’)
返回随机整数，范围区间为[low,high），包含low，不包含high
size为数组维度，元组形式，如（2,3）#2行3列
high没有填写时，默认生成随机数的范围是[0，low)
dtype指定数据类型，默认int
a = np.random.randint(low=6,high=10,size=(2,3,4),dtype='int')
print(a,a.shape)
[[[8 8 7 8]
[8 8 6 9]
[9 6 7 7]]
[[7 7 9 8]
[9 6 6 7]
[8 9 7 7]]] (2, 3, 4)
4.np.random.choice从给定的一维数组中随机选择数生成随机数
numpy.random.choice(a, size=None, replace=True, p=None)
a为一维数组类似数据或整数；size为数组维度；p为数组中的数据出现的概率
a为整数时，对应的一维数组为np.arange(a)
a = np.random.choice(a = [3,5,6],size=(2,3,4),replace=True,p=[0.1,0.5,0.4])
print(a,a.shape)
[[[5 6 3 5]
[6 5 5 5]
[6 5 6 6]]
[[5 5 5 3]
[6 5 6 6]
[5 6 5 6]]] (2, 3, 4)
5.np.random.normal(loc=0.0, scale=1.0, size=None),生成符合指定分布的正态分布。
a = np.random.normal(loc=4,scale=6,size=(2,3,4))
print(a)
[[[13.19667529 12.81615262 4.92968455 6.26897512]
[-1.32671449 -7.88477881 1.9125271 4.93809381]
[11.38174408 11.21427909 1.6760391 2.1861835 ]]
[[-2.29131779 -4.52010762 -6.23762114 15.70465237]
[ 0.94208691 1.37155419 -3.51677216 8.66494213]
[-5.68338709 2.72355832 -1.37279937 6.32141499]]]
6.np.random.random(size=None),生成符合0到1的均匀分布数组。
a = np.random.random((2,3,4))
print(a)
[[[0.19658236 0.36872517 0.82099323 0.09710128]
[0.83794491 0.09609841 0.97645947 0.4686512 ]
[0.97676109 0.60484552 0.73926358 0.03918779]]
[[0.28280696 0.12019656 0.2961402 0.11872772]
[0.31798318 0.41426299 0.0641475 0.69247212]
[0.56660145 0.26538949 0.52324805 0.09394051]]]
7. np.random.ranf(size=None),生成符合0到1的均匀分布数组。
a = np.random.ranf((10))
a
array([0.82894003, 0.00469548, 0.67781654, 0.27000797, 0.73519402,
0.96218855, 0.24875314, 0.57615733, 0.59204193, 0.57225191])
8.np.random.uniform(low=0.0, high=1.0, size=None)，生成符合指定均匀分布的数组
g=np.random.uniform(-1,1,10)#指定均匀分布
print(g)
[ 0.07315842 0.79334259 0.98067789 -0.56620603 0.32615641 -0.47335525
-0.958698 0.51675731 -0.3599657 -0.23307221]
8.np.random.shuffle(x),随机打乱数组顺序
a = np.arange(10)
np.random.shuffle(a)
print(a)
[6 3 4 9 0 8 1 5 2 7]
9. 产生其他分布的函数
binomial() ,二项分布
chisquare(),卡方分布
poisson(),泊松分布
uiform(),均匀分布
normal(),正态分布