详述numpy中的np.random.rand()np.random.randn()np.random.randint()np.random.uniform()函数的用法

Posted 2023-04-07 术业还未专攻

    目录

 （一）np.random.rand()

 （二）np.random.randn()

 （三）np.random.randint(low，high，size，dtype)

 （四）np.random.uniform(low，high，size)

---

        引言：在机器学习还有深度学习中，经常会用到这几个函数，为了便于以后熟练使用，现在对这几个函数进行总结。

（一）np.random.rand()

        该函数括号内的参数指定的是返回结果的形状，如果不指定，那么生成的是一个浮点型的数；如果指定一个数，那么生成的是一个numpy.ndarray类型的数组；如果指定两个数字，那么生成的是一个二维的numpy.ndarray类型的数组。如果是两个以上的数组，那么返回的维度就和指定的参数的数量个数一样。其返回结果中的每一个元素是服从0~1均匀分布的随机样本值，也就是返回的结果中的每一个元素值在0-1之间。

举例说明：

import numpy as np
mat = np.random.rand()
print(mat)
print(type(mat))
mat = np.random.rand(2)
print(mat)
print(type(mat))
mat = np.random.rand(3, 2)
print(mat)
print(type(mat))

结果为：注意我用红框框起来的一组对应两个print输出，可对应程序看结果。

（二）np.random.randn()

        该函数和rand()函数比较类似，只不过运用该函数之后返回的结果是服从均值为0，方差为1的标准正态分布，而不是局限在0-1之间，也可以为负值，因为标准正态分布的曲线是关于x轴对阵的。其括号内的参数如果不指定，那么生成的是一个浮点型的数；如果指定一个数，那么生成的是一个numpy.ndarray类型的数组；如果指定两个数字，那么生成的是一个二维的numpy.ndarray类型的数组。和rand()相比，除了元素值不一样，其他的性质是一样的。

举例说明：

import numpy as np
mat = np.random.randn()
print(mat)
print(type(mat))
mat = np.random.randn(2)
print(mat)
print(type(mat))
mat = np.random.randn(3, 2)
print(mat)
print(type(mat))

结果为：

 （三）np.random.randint(low，high，size，dtype)

        该函数中包含了几个参数，其具体含义为：

low：生成的元素值的最小值，即下限，如果没有指定high这个参数，则low为生成的元素值的最大值。

high：生成的元素值的最大值，即上限。

size：指定生成元素值的形状，也就是数组维度的大小。

dtype：指定生成的元素值的类型，如果不指定，默认为整数型

返回结果：返回值是一个大小为size的数组，如果指定了low和high这两个参数，那么生成的元素值的范围为[low,high)，不包括high；如果不指定high这个参数，则生成的元素值的范围为[0,low)。如果不指定size这个参数，那么生成的元素值的个数只有一个。

举例说明：

import numpy as np
# 指定一个参数low
mat = np.random.randint(low=1)
print(mat)
print(type(mat))

# 指定low和high，生成一个[low,high)的元素值
mat = np.random.randint(low=1, high=5)
print(mat)
print(type(mat))

# 指定size大小，生成一个三行三列的二维数组，元素个数为3x3=9个
mat = np.random.randint(low=2, high=10, size=(3, 3))
print(mat)
# 查看默认元素值的类型
print(type(mat[0][0]))

mat = np.random.randint(low=2, high=10, size=(3, 3), dtype=np.uint8)
print(mat)
print(type(mat[0][0]))

结果为：

 （四）np.random.uniform(low，high，size)

参数说明：

low：生成元素值的下界，float类型，默认值为0
high：生成元素值的上界，float类型，默认值为1
size：输出样本的数目，可以指定一个值，也可指指定大于等于两个值
返回对象：ndarray类型，形状为size中的数值指定，其元素个数为size指定的参数的乘积

        我们前面已经说过了rand()这个函数，它返回的元素值是服从0-1的均匀分布，那如果不想要生成的是0-1范围内的均匀分布，想要其它范围内的均匀分布怎么办呢。

        uniform()实现了这个功能，它可以生成服从指定范围内的均匀分布的元素。其返回值的元素类型为浮点型。需注意的是元素值的范围包含low，不包含high。

举例说明：

import numpy as np
# 指定一个参数low
mat = np.random.uniform()
print(mat)
print(type(mat))

# 指定low和high，生成一个[low,high)的元素值
mat = np.random.uniform(low=5, high=10)
print(mat)
print(type(mat))

# 指定size大小，生成一个三行三列的二维数组，元素个数为3x3=9个
mat = np.random.uniform(low=2, high=10, size=(3, 3))
print(mat)
# 查看默认元素值的类型
print(type(mat[0][0]))

mat = np.random.uniform(low=2, high=10, size=(3, 3, 2))
print(mat)
print(type(mat[0][0][0]))

结果为：

        总结：以上就是常用的随机数生成函数，具体用哪一个，可根据自己需求，想要生成什么随机数，那就使用什么样的函数。

编写不易，转载请注明出处！

Numpy学习—np.random.randn()np.random.rand()和np.random.randint()

 

展开
在机器学习和神经网络中，常常会利用Numpy库中的随机函数来生产随机数，比如随机初始化神经网络中的参数权重W（备注：W是不能全部初始化为0的，这样会引起symmetry breaking problem，这样隐藏层设置多个神经元就没有任何意义了）。
在Numpy库中，常用使用np.random.rand()、np.random.randn()和np.random.randint()随机函数。这几个函数的区别如下：

（1）np.random.randn()函数
语法：

np.random.randn(d0,d1,d2……dn)
1)当函数括号内没有参数时，则返回一个浮点数；
2）当函数括号内有一个参数时，则返回秩为1的数组，不能表示向量和矩阵；
3）当函数括号内有两个及以上参数时，则返回对应维度的数组，能表示向量或矩阵；
4）np.random.standard_normal（）函数与np.random.randn()类似，但是np.random.standard_normal（）的输入参数为元组（tuple）.
5)np.random.randn()的输入通常为整数，但是如果为浮点数，则会自动直接截断转换为整数。

作用：

通过本函数可以返回一个或一组服从标准正态分布的随机样本值。

特点：

标准正态分布是以0为均数、以1为标准差的正态分布，记为N（0，1）。对应的正态分布曲线如下所示，即

标准正态分布曲线下面积分布规律是：

在-1.96～+1.96范围内曲线下的面积等于0.9500（即取值在这个范围的概率为95%），在-2.58～+2.58范围内曲线下面积为0.9900（即取值在这个范围的概率为99%）.
因此，由 np.random.randn()函数所产生的随机样本基本上取值主要在-1.96~+1.96之间，当然也不排除存在较大值的情形，只是概率较小而已。

用例：

应用场景：

在神经网络构建中，权重参数W通常采用该函数进行初始化，当然需要注意的是，通常会在生成的矩阵后面乘以小数，比如0.01，目的是为了提高梯度下降算法的收敛速度。
W = np.random.randn(2,2)*0.01

（2） np.random.rand()函数
语法：

np.random.rand(d0,d1,d2……dn)
注：使用方法与np.random.randn()函数相同
作用：
通过本函数可以返回一个或一组服从“0~1”均匀分布的随机样本值。随机样本取值范围是[0,1)，不包括1。
应用：在深度学习的Dropout正则化方法中，可以用于生成dropout随机向量（dl），例如（keep_prob表示保留神经元的比例）：dl = np.random.rand(al.shape[0],al.shape[1]) < keep_prob

用例：

（3） np.random.randint()函数
语法：

numpy.random.randint(low, high=None, size=None, dtype=’l’)
输入：
low—–为最小值
high—-为最大值
size—–为数组维度大小
dtype—为数据类型，默认的数据类型是np.int。
返回值：
返回随机整数或整型数组，范围区间为[low,high），包含low，不包含high；
high没有填写时，默认生成随机数的范围是[0，low）

用例：

————————————————
版权声明：本文为CSDN博主「o_Eagle_o」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/zenghaitao0128/java/article/details/78556535