Numpy 随机函数

Numpy 提供了许多随机数生成函数，可以生成各种概率分布下的随机数，包括均匀分布、正态分布、卡方分布、t分布等。

以下是所有的 Numpy 随机函数：

均匀分布

• numpy.random.rand ：在 [0,1) 区间内生成指定形状的均匀分布的随机数。
• numpy.random.randn ：生成标准正态分布（平均值为 0，标准差为 1）的随机数。
• numpy.random.randint ：在给定的范围内生成整数随机数。
• numpy.random.random_sample ：在 [0,1) 区间内生成指定形状的随机浮点数。
• numpy.random.random ：返回一个随机浮点数。

正态分布

• numpy.random.normal ：在给定的均值和标准差下，生成正态分布的随机数。
• numpy.random.standard_normal ：生成标准正态分布（平均值为 0，标准差为 1）的随机数。
• numpy.random.randn ：生成标准正态分布（平均值为 0，标准差为 1）的随机数。
• numpy.random.standard_t ：生成自由度为 1 的 t 分布随机数。
• numpy.random.standard_cauchy ：生成标准 Cauchy 分布随机数。

其他分布

• numpy.random.binomial ：生成二项分布随机数。
• numpy.random.chisquare ：生成卡方分布随机数。
• numpy.random.f ：生成 F 分布随机数。
• numpy.random.gamma ：生成 Gamma 分布随机数。
• numpy.random.geometric ：生成几何分布随机数。
• numpy.random.hypergeometric ：生成超几何分布随机数。
• numpy.random.laplace ：生成拉普拉斯分布随机数。
• numpy.random.logistic ：生成逻辑斯蒂分布随机数。
• numpy.random.lognormal ：生成对数正态分布随机数。
• numpy.random.multinomial ：生成多项分布随机数。
• numpy.random.multivariate_normal ：生成多变量正态分布随机数。
• numpy.random.negative_binomial ：生成负二项分布随机数。
• numpy.random.noncentral_chisquare ：生成非中心卡方分布随机数。
• numpy.random.noncentral_f ：生成非中心 F 分布随机数。
• numpy.random.normal ：生成正态分布随机数。
• numpy.random.pareto ：生成 Pareto 分布随机数。
• numpy.random.poisson ：生成泊松分布随机数。
• numpy.random.power ：生成 Power 分布随机数。
• numpy.random.rayleigh ：生成 Rayleigh 分布随机数。
• numpy.random.standard_gamma ：生成标准 Gamma 分布随机数。
• numpy.random.standard_exponential ：生成标准指数分布随机数。
• numpy.random.triangular ：生成三角形分布随机数。
• numpy.random.uniform ：生成均匀分布随机数。
• numpy.random.vonmises ：生成 Von Mises 分布随机数。
• numpy.random.wald ：生成 Wald 分布随机数。
• numpy.random.weibull ：生成 Weibull 分布随机数。

随机生成器的控制

使用 numpy.random.seed() 可以设置随机生成器的种子，用于生成可重复的随机数序列。

import numpy as np

# 固定随机数生成器的种子
np.random.seed(123)

# 生成指定形状的均匀分布随机数
print(np.random.rand(3, 3))

以上代码将输出：

[[0.69646919 0.28613933 0.22685145]
 [0.55131477 0.71946897 0.42310646]
 [0.9807642  0.68482974 0.4809319 ]]

这里固定了随机数生成器的种子为 123，因此每次运行代码时，生成的随机数序列都是固定的。

随机数生成的性能要求

有时需要在大量数据上进行随机数的生成，此时需要考虑生成随机数的速度。Numpy 的随机数生成函数在性能上具有较高的要求，可以满足大规模数据下的高效随机数生成需求。

总结

本文介绍了 Numpy 库中所有的随机数生成函数，包括均匀分布、正态分布、卡方分布、t分布等，同时也介绍了怎样控制随机数生成器的种子，以及随机数生成性能的要求。