np.random.
2018-03-23 15:25
218 查看
1.numpy.random.randn(d0,d1,...,dn):产生d0 - d1 - ... - dn形状的标准正态分布的float型数
2. 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
3.numpy.random.uniform(low,high,size),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.
代码展示:
import numpy as np
a=np.random.randn(2,3)
print a
b=np.random.rand(2,3)
print b
c=np.random.uniform(3,8,(2,3))
print c
结果:
[[ 1.67364878 2.60847311 0.56430797]
[-0.49844514 0.52062701 0.31317236]]
[[0.34605248 0.84962744 0.16825676]
[0.64943737 0.30594908 0.46062888]]
[[3.76688525 6.23741062 5.51693424]
[3.03943143 4.11100338 5.11739659]]
2. 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
3.numpy.random.uniform(low,high,size),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.
代码展示:
import numpy as np
a=np.random.randn(2,3)
print a
b=np.random.rand(2,3)
print b
c=np.random.uniform(3,8,(2,3))
print c
结果:
[[ 1.67364878 2.60847311 0.56430797]
[-0.49844514 0.52062701 0.31317236]]
[[0.34605248 0.84962744 0.16825676]
[0.64943737 0.30594908 0.46062888]]
[[3.76688525 6.23741062 5.51693424]
[3.03943143 4.11100338 5.11739659]]
相关文章推荐
- 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
- 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
- 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
- np.random
- Numpy—np.random.seed()函数的应用
- np.random 的使用
- np.random.choice的用法
- np.random.RandomState
- numpy 随机数种类np.random.RandomState、np.random.rand、np.random.random、np.random_sample
- 从np.random.normal()到正态分布的拟合