np.random
2017-03-27 21:33
246 查看
numpy.random.randint
numpy.random.randint(low, high=None, size=None, dtype='l') >>> np.random.randint(2, size=10) array([1, 0, 0, 0, 1, 1, 0, 0, 1, 0]) >>> np.random.randint(1, size=10) array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0]) Generate a 2 x 4 array of ints between 0 and 4, inclusive: >>> np.random.randint(5, size=(2, 4)) array([[4, 0, 2, 1], [3, 2, 2, 0]])
numpy.random.random
生成一个[0,1)之间的随机数numpy.random.random(size=None) >>> numpy.random.random() 0.3619044878607339 >>> numpy.random.random()-2 -1.3074864277635 >>> numpy.random.random((1,10)) array([[ 0.23640074, 0.19227714, 0.94424091, 0.67545432, 0.91937884, 0.06127973, 0.50797509, 0.68498703, 0.40482353, 0.76130972]])
numpy.random.randn
返回服从标准正态分布中的一个随机数numpy.random.randn(d0, d1, ..., dn) >>> np.random.randn() 2.1923875335537315 #random Two-by-four array of samples from N(3, 6.25): >>> 2.5 * np.random.randn(2, 4) + 3 array([[-4.49401501, 4.00950034, -1.81814867, 7.29718677], [ 0.39924804, 4.68456316, 4.99394529, 4.84057254]])
相关文章推荐
- np.random.normal()正态分布
- scikit-learn工具学习 - random,mgrid,np.r_ ,np.c_, scatter, axis, pcolormesh, contour, decision_function
- 从np.random.normal()到正态分布的拟合
- numpy: np.random模块 探究(源码)
- np.random.seed(0)的作用:作用:使得随机数据可预测。
- np.random.seed(0)的作用:作用:使得随机数据可预测。
- 从np.random.normal()到正态分布的拟合
- np.random.randint产生一个范围内的数据
- python中的np.random.normal
- numpy:np.random.randn
- np.random.permutation生成随机序列
- np.random.seed()
- nump中的为随机数产生器的seed():np.random.RandomState
- coding小记:np.random.randn与tf.random_normal
- np.random.rand()函数
- scikit-learn工具学习 - random,mgrid,np.r_ ,np.c_, scatter, axis, pcolormesh, contour, decision_function
- np.random.RandomState、np.random.rand、np.random.random、np.random_sample
- #np.random.normal,产生制定分布的数集(默认是标准正态分布)
- 从np.random.normal()到正态分布的拟合
- Numpy—np.random.seed()函数的应用