首页 > 其他 > 详细

随机数生成

时间:2018-11-18 13:52:04      阅读:159      评论:0      收藏:0      [点我收藏+]

numpy.random模块对Python内置的random进行了补充,增加了一些用于高效生成多种概率分布的样本值的函数。如可以用normal来得到一个标准正态分布的4*4的样本数组:

In [1]: import numpy as np

In [2]: samples=np.random.sample(size=(4,4))

In [3]: samples
Out[3]:
array([[0.28705967, 0.44072192, 0.9762484 , 0.13830485],
       [0.74047263, 0.97749408, 0.69630957, 0.29841462],
       [0.54948539, 0.39314335, 0.75565134, 0.02123291],
       [0.46449012, 0.21270412, 0.04491115, 0.1163004 ]])

而Python内置的random模块则只能一次生成一个样本值。从下面的测试结果可以看到,如果需要产生大量的样本值,numpy.random模块快了不止一个数量级:

In [9]: %timeit samples=[normalvariate(0,1) for _ in range(N)]
167 ms ± 1.71 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [10]: %timeit np.random.normal(size=N)
6.41 ms ± 122 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

 

numpy.random函数:

seed:确定随机数生成器的种子

permutation:返回一个序列的随机排列或返回一个随机排列的范围

shuffle:对一个序列就地随机排列

rand:产生均匀分布的样本值

randint:从给定的上下限范围内随机选取整数

randn:产生正态分布(平均值为0,标准差为1)的样本值,类似MATLAB接口

binomial:产生二项分布的样本值

normal:产生正态分布的样本值

beta:产生Beta分布的样本值

chisquare:产生卡方分布的样本值

gamma:产生Gamma分布的样本值

uniform:产生在[0,1]中均匀分布的样本值

随机数生成

原文:https://www.cnblogs.com/catxjd/p/9977666.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!