Numpy常用random随机函数

seed 向随机数生成器传递随机状态种子

只要random.seed( * ) seed里面的值一样，那随机出来的结果就一样。所以说，seed的作用是让随机结果可重现。也就是说当我们设置相同的seed，每次生成的
随机数相同。如果不设置seed，则每次会生成不同的随机数。使用同一个种子，每次生成的随机数序列都是相同的。

import random
random.seed(10)
print(random.random()) # random.random()用来随机生成一个0到1之间的浮点数，包括零。
print(random.random())
print(random.random()) # 这里没有设置种子，随机数就不一样了

注意：这里不一定就写10，你写几都行，只要写上一个整数，效果都是一样的，写0都行，但是不能为空，为空就相当于没有用seed
seed只限在这一台电脑上，如果换台电脑值就变了

rand 返回[0,1]之间，从均匀分布中抽取样本

import numpy as np
一维 = np.random.rand(3)
print(一维)
print('-'*30)
二维 = np.random.rand(2,3)
print(二维)
print('-'*30)
三维 = np.random.rand(2,3,4)
print(三维)

我们数据分析的三部曲：Numpy、Pandas、matplotlib，后期我们在使用matplotlib画图时会用到均匀分布

import numpy as np
import matplotlib.pyplot as plt
# 绘制正弦曲线
x轴 = np.linspace(-10,10,100) # 在[-10,10]闭区间或半闭区间中，数量为100
y轴 = np.sin(x轴) # sin正弦、cos余弦
plt.plot(x轴,y轴)
plt.show()
#加入噪声后
import numpy as np
import matplotlib.pyplot as plt
# 绘制正弦曲线
x轴 = np.linspace(-10,10,100) # 在[-10,10]闭区间中，数量为100
y轴 = np.sin(x轴) + np.random.rand(len(x轴)) # 生成均匀分布，len(x轴)就是维度，相加就是定义元素的相加
plt.plot(x轴,y轴)
plt.show()

结果如图所示：

randn 返回标准正态分布随机数（浮点数）平均数0，方差1

randn生成一个从标准正态分布中得到的随机标量，标准正态分布即N(0，1)。
randn（n)和randn(a1,a2,…)的用法和rand相同

import numpy as np
一维 = np.random.randn(3)
print(一维)
print('-'*30)
二维 = np.random.randn(2,3)
print(二维)
print('-'*30)
三维 = np.random.randn(2,3,4)
print(三维)
print('-'*30)

randint 随机整数

import numpy as np
a = np.random.randint(3) 
print(f'随机0至3之间的整数是：{a}')
b = np.random.randint(1,10) 
print(f'随机1至10之间的整数是：{b}') 
c = np.random.randint(1,10,size=(5,))
print(f'随机1至10之间取5个元素组成一维数组{c}')
d = np.random.randint(1,20,size=(3,4))
print(f'随机1至20之间取12个元素组成二维数组：\n{d}')
e = np.random.randint(1,20,size=(2,3,4))
print(f'随机1至20之间取24个元素组成三维数组：\n{e}')

random 生成0.0至1.0的随机数

import numpy as np
一维 = np.random.random(3)
print(f'生成3个0.0至1.0的随机数:\n{一维}')
二维 = np.random.random(size=(2,3))
print(f'生成2行3列共6个数的0.0至1.0的随机数:\n{二维}')
三维 = np.random.random(size=(3,2,3))
print(f'生成三块2行3列，每块6个数的0.0至1.0的随机数:\n{三维}')

choice 从一维数组中生成随机数

import numpy as np
# 第一参数是一个1维数组，如果只有一个数字那就看成range(5)
# 第二参数是维度和元素个数，一个数字是1维，数字是几就是几个元素
a = np.random.choice(5,3)
print(f'从range(5)中拿随机数，生成只有3个元素的一维数组是：{a}')

import numpy as np
b = np.random.choice(5,(2,3))
print(f'从range(5)中拿随机数，生成2行3列的数组是：\n{b}')

import numpy as np
c = np.random.choice([1,2,9,4,8,6,7,5],3)
print(f'从[1,2,9,4,8,6,7,5]数组中拿随机数，3个元素：{c}')

import numpy as np
d = np.random.choice([1,2,9,4,8,6,7,5],(2,3))
print(f'从[1,2,9,4,8,6,7,5]数组中拿随机数，生成2行3列的数组是：\n{d}')

shuffle(数组)把一个数进行随机排列

import numpy as np
一维数组 = np.arange(10)
print(f'没有随机排列前的一维数组{一维数组}')
np.random.shuffle(一维数组)
print(f'随机排列后的一维数组{一维数组}')

import numpy as np
二维数组 = np.arange(20).reshape(4,5)
print(f'没有随机排列前的二维数组\n{二维数组}\n')
np.random.shuffle(二维数组)
print(f'随机排列后的二维数组\n{二维数组}')

***注意：多维数组随机排列只按行随机，列是不变的

---

import numpy as np
三维数组 = np.arange(12).reshape(2,2,3)
print(f'没有随机排列前的三维数组\n{三维数组}\n')
np.random.shuffle(三维数组)
print(f'随机排列后的三维数组\n{三维数组}')

permutation(数组) 把一个数组随机排列或者数字全排列

import numpy as np
# 与上面讲的np.random.shuffle(一维数组)效果一样,就是把一维数组重新排序了
排列 = np.random.permutation(10) # 这里的10就看成是range(10)
print(排列)

import numpy as np
二维数组 = np.arange(9).reshape((3,3))
print(f'没有随机排列前的二维数组是\n{二维数组}\n')
排序后 = np.random.permutation(二维数组)
print(f'随机排列后的二维数组是\n{排序后}\n')
print(f'看一下原来的二维数组变了吗？\n{二维数组}')

normal 生成正态分布数字

正态分布，又叫常态分布，又叫高斯分布
normal [平均值，方差，size]

import numpy as np
数组 = np.random.normal(1,10,10) # 平均值1，方差10，10个数
print(数组)

高斯分布重要量的性质
1. 密度函数关于平均值对称
2. 平均值是它的众数（statistical mode）以及中位数（median）
3. 函数曲线下68.268949%的面积在平均值左右的一个标准差范围内
4. 95.449974%的面积在平均值左右两个标准差2σ的范围内
5. 99.730020%的面积在平均值左右三个标准差3σ的范围

uniform 均匀分布

import numpy as np
数组 = np.random.uniform(1,10,10)
print(f'在1到10之间生成10个随机数：\n{数组}')

import numpy as np
数组 = np.random.uniform(1,10,(2,3))
print(f'在1到10之间生成2行3列共计6个随机数：\n{数组}')