本文摘要
`np.random.randint()` 是 NumPy 库中用于生成随机整数的函数。它接受 `low`(下限,包含)、`high`(上限,不包含)、`size`(输出形状)和 `dtype`(数据类型)作为参数。使用示例包括生成单一随机整数、形状指定的随机数数组以及设置输出数据类型。
np.random.randint() 是 NumPy 库中的一个函数,用于从给定的范围内生成随机整数。这个函数非常有用,尤其是在需要进行随机采样或模拟的场合。
参数详解
np.random.randint(low, high=None, size=None, dtype='l')
low:
整数,指定生成的随机数的下限(包含)。
如果 high 参数为 None,则这个参数既作为下限也作为上限,生成的是 [low, low] 范围内的随机整数,即总是 low 本身。
high:
整数或 None(默认为 None),指定生成的随机数的上限(不包含)。
如果设置为 None,则 low 参数将作为上限和下限,如上所述。
size:
整数或整数元组,指定输出的形状。例如,size=3 会返回一个包含 3 个随机数的数组,而 size=(2, 3) 会返回一个 2x3 的数组,其中每个元素都是一个随机数。
如果省略此参数,则返回一个单一的随机数。
dtype:
数据类型(默认为 int 或长整数 l),指定输出数组的数据类型。
用法示例
生成一个 0 到 9 之间的随机整数:
python import numpy as np random_int = np.random.randint(0, 10) print(random_int)
生成一个形状为 (3, 2) 的数组,数组中的元素是 0 到 5 之间的随机整数:
python
random_array = np.random.randint(0, 6, size=(3, 2)) print(random_array)
只使用 low 参数,生成一个与 low 相同的随机整数(在这种情况下,它并不真正是“随机”的,因为结果总是 low):
python
random_int_same = np.random.randint(5, high=None) print(random_int_same) # 输出总是 5
指定输出数组的数据类型为 np.int8:
python
random_int_int8 = np.random.randint(0, 10, dtype=np.int8) print(random_int_int8)
示例1:生成一个随机浮点数数组
python
import numpy as np # 之前的代码... # random_int = np.random.randint(0, 10) # 假设这行代码已经被执行过 # random_array = np.random.randint(0, 6, size=(3, 2)) # 假设这行代码也已经被执行过 # 生成一个形状为(2, 3)的随机浮点数数组,范围在0到1之间 random_float_array = np.random.rand(2, 3) print("Random float array:") print(random_float_array)
示例2:从正态分布中抽取随机样本
python
import numpy as np # 之前的代码... # 生成一个形状为(4,)的数组,其元素来自均值为0、标准差为1的正态分布 normal_distributed_samples = np.random.normal(loc=0.0, scale=1.0, size=4) print("Random samples from normal distribution:") print(normal_distributed_samples)
示例3:从给定的概率分布中抽取随机样本(例如,二项分布)
python
import numpy as np # 之前的代码... # 生成一个形状为(3,)的数组,其元素来自参数为n=10和p=0.5的二项分布 binomial_samples = np.random.binomial(n=10, p=0.5, size=3) print("Random samples from binomial distribution:") print(binomial_samples)
示例4:打乱一个数组的顺序
python
import numpy as np # 之前的代码... # 假设我们有一个数组需要被打乱 original_array = np.array([1, 2, 3, 4, 5]) # 使用numpy的random.shuffle函数(注意这个函数是直接修改原数组的) np.random.shuffle(original_array) print("Shuffled array:") print(original_array)
或者,如果你想要一个不修改原数组的打乱版本,你可以使用`np.random.permutation`:
python
# 使用np.random.permutation创建一个新的打乱顺序的数组 shuffled_array = np.random.permutation(original_array) print("Shuffled array (without modifying original):") print(shuffled_array)