Numpy中的随机抽样 | 随机()函数

在数据处理和科学计算过程中，需要进行随机抽样来对数据进行分析。Numpy提供了丰富的随机数生成函数，其中之一就是random模块中的rand()函数，实现了从均匀分布中随机抽样的功能。

随机()函数的语法

numpy.random.random(size=None)函数的语法如下：

import numpy as np

np.random.random(size=None)

其中，size参数用于指定输出数组的维度，可以是一个整数、一个整数元组或不使用参数。默认值是None，此时输出单一的无符号浮点数。

随机()函数的使用

随机()函数生成$[0,1)$区间内的随机浮点数，以下是一些使用实例：

import numpy as np

# 生成单个随机数
random_num = np.random.random()
print(random_num)

# 生成指定形状的随机数组
random_array = np.random.random((3, 4))
print(random_array)

输出如下：

0.9896357630677082
[[0.57755556 0.12808431 0.88369895 0.62633099]
 [0.59750148 0.12868169 0.28633173 0.7844783 ]
 [0.89955539 0.18904404 0.12388735 0.12680973]]

随机()函数的应用

随机()函数可以用于生成数据集、评估算法等场景中。

例如，我们可以使用随机()函数生成一个包含$num$个随机浮点数的$1D$数组，其中每个随机数均匀地分布在区间$[0,1)$上：

import numpy as np

num = 10
data_set = np.random.random(num)
print(data_set)

这段代码将生成一个包含10个浮点数的数组，输出如下：

array([0.82614255, 0.63593641, 0.69003038, 0.60889771, 0.18734623,
       0.39768623, 0.52300941, 0.15836349, 0.100546  , 0.41618291])

此外，我们还可以使用随机()函数来生成满足正态分布的随机数。在numpy.random模块中，有一个名为normal()的函数可以实现该功能。

总结

numpy.random.random()函数实现了从$[0,1)$区间的均匀分布中随机抽样的功能，可以用于生成随机数据集、评估算法等场景，同时还可以与normal()等函数结合使用，生成满足特定分布的随机数。