使用随机数创建二维数组的简单方法（Python）

Posted 2023-02-23

【中文标题】使用随机数创建二维数组的简单方法（Python）

【英文标题】：Simple way of creating a 2D array with random numbers (Python)

【发布时间】：2014-07-29 07:02:15

【问题描述】：

我知道在 Python 中创建一个全零的 NxN 数组的简单方法是：

[[0]*N for x in range(N)]

但是，假设我想通过填充随机数来创建数组：

[[random.random()]*N for x in range(N)]

这不起作用，因为创建的每个随机数都会被复制 N 次，所以我的数组没有 NxN 唯一的随机数。

有没有办法在一行中做到这一点，而不使用 for 循环？

【问题讨论】：

我知道这已经晚了 6 年，但创建零的 N 方阵更有效的方法是 [[0]*N]*N。

【参考方案1】：

您可以使用嵌套列表推导：

>>> N = 5
>>> import random
>>> [[random.random() for i in range(N)] for j in range(N)]
[[0.9520388778975947, 0.29456222450756675, 0.33025941906885714, 0.6154639550493386, 0.11409250305307261], [0.6149070141685593, 0.3579148659939374, 0.031188652624532298, 0.4607597656919963, 0.2523207155544883], [0.6372935479559158, 0.32063181293207754, 0.700897108426278, 0.822287873035571, 0.7721460935656276], [0.31035121801363097, 0.2691153671697625, 0.1185063432179293, 0.14822226436085928, 0.5490604341460457], [0.9650509333411779, 0.7795665950184245, 0.5778752066273084, 0.3868760955504583, 0.5364495147637446]]

或者使用numpy（非stdlib但很流行）：

>>> import numpy as np
>>> np.random.random((N,N))
array([[ 0.26045197,  0.66184973,  0.79957904,  0.82613958,  0.39644677],
       [ 0.09284838,  0.59098542,  0.13045167,  0.06170584,  0.01265676],
       [ 0.16456109,  0.87820099,  0.79891448,  0.02966868,  0.27810629],
       [ 0.03037986,  0.31481138,  0.06477025,  0.37205248,  0.59648463],
       [ 0.08084797,  0.10305354,  0.72488268,  0.30258304,  0.230913  ]])

(PS 当你的意思是 list 并为 numpy ndarrays 保留 array 时，养成使用 list 的习惯是个好主意。实际上有一个内置的 array 模块有自己的array 类型，这样比较混乱，但是比较少用。）

【讨论】：

如果您希望数字是连续整数而不是随机数怎么办？

@FaCoffee，假设你想要 [A, B) 中的整数，你可以这样做(A + np.random.random((N,N)) * (B - A)).astype(int)

【参考方案2】：

使用 numpy 中的这个简单函数：

大小为 (4,4) 的数组，用数字 1-4 填充

 np.random.randint(1, 5, size=(4, 4))


 [1 2 1 2]
 [2 2 2 4]
 [4 1 1 2]
 [4 2 2 4]

【讨论】：

如何向这个数组添加无穷大？

【参考方案3】：

这是创建二维数组的方式：

k = np.random.random ([3,4]) * 10
k.astype(int)

【参考方案4】：

只需在您的列表理解中使用[random.random() for i in range(N)]。

演示：

>>> import random
>>> N = 3
>>> [random.random() for i in range(N)]
[0.24578599816668256, 0.34567935734766164, 0.6482845150243465]
>>> M = 3
>>> [[random.random() for i in range(N)] for j in range(M)]
[[0.9883394519621589, 0.6533595743059281, 0.866522328922242], [0.5906410405671291,         0.4429977939796209, 0.9472377762689498], [0.6883677407216132,     0.8215813727822125, 0.9770711299473647]]

【参考方案5】：

您可以使用列表推导。

[[random.random() for x in xrange(N)] for y in xrange(N)]

https://docs.python.org/2/tutorial/datastructures.html#list-comprehensions

对于大型多维数组，我建议您使用 numpy。

【参考方案6】：

它可以在没有循环的情况下完成。试试这个简单的代码行来生成一个 2 × 3 的随机数矩阵，均值为 0，标准差为 1。

语法是：

import numpy

numpy.random.normal(mean, standard deviation, (rows,columns))

示例：

numpy.random.normal(0,1,(2,3))

【讨论】：

通常您希望随机数随机分布，而不是像正态分布那样围绕均值聚集。

所以尝试改为：“numpy.random.uniform(low=0.0, high=1.0, size=None)¶ [...] 样本均匀分布在半开区间 [low,高）”

【参考方案7】：

import numpy as np  #np is shortcut of numpy

#Syntax : np.random.randint(the range for ex if you choose 100 then your array elements will be within the range 0 to 100, size = (row size, col size)

a = np.random.randint(100, size = (5,4)) #a is a variable(object)
print(a)

输出

[[49 81 57 96]
 [64 95 54 53]
 [63 77 68 74]
 [96 38 29 41]
 [13 39 99 43]]