numpy生成0和1数组方法、从已有数组生成新数组方法、生成固定范围内数组、生成随机数组、绘制指定均值和标准差正态分布图、均匀分布图绘制

news2024/9/24 17:18:04

一、生成0和1数组

np.ones(shape, dtype)：shape为要生成的数组的维度，dtype为数组内元素类型
np.ones_like(a, dtype)：生成与a同维度的数组
np.zeros(shape, dtype)
np.zeros_like(a, dtype)

代码如下

one = np.ones([3,4])
one
------------------------------------
import numpy as np
one = np.ones([3,4])
np.ones_like(one, dtype=np.string_)
------------------------------------
import numpy as np
one = np.ones([3,4])
np.zeros_like(one, dtype=np.float32)

演示结果如下

二、从现有数组生成

np.array(object, dtype)：深拷贝，从现有数组object中创建
np.asarray(a, dtype)：浅拷贝，相当于索引形式，并未创建新数组

演示如下

三、生成固定范围内数组

np.linspace (start, stop, num, endpoint)：创建指定数量的等差数组
- start：序列的起始值
- stop：序列的终止值
- num：要生成的等间隔样例数量，默认为50
- endpoint：序列中是否包含stop值，默认为ture
np.arange(start,stop, step, dtype)：创建指定步长的等差数组
- start：序列的起始值
- stop：序列的终止值，不包含stop值
- step：步长，默认为1
- dtype：数组类型
np.logspace( start, stop, num=50, endpoint=True, base=10.0, dtype=None)：创建等比数列
- start：序列的起始值
- stop：序列的终止值
- num：要生成的等比数列数量，默认为50
- endpoint：序列中是否包含stop值，默认为ture
- base：默认生成以10为基低的等比数列
- dtype：数组类型

举例演示如下

np.linspace(0, 100, 5)   # 数量为5
np.arange(0, 50, 5)   # 步长为5

np.logspace(1, 10, 10, base=2)  # 2分别取1-10的整数的幂，(10-1)+1=10个数
np.logspace(2, 7, 6, base=3)  # 3分别取2,3,4,5,6,7共6个数的幂,(7-2)+1=6个数
np.logspace(2, 4, 3)   # 默认基为10，即10取2,3,4的幂，个数为3=(4-2)+1

四、生成随机数组

使用模块：np.random()

1. 正态分布

正态分布：N(μ， $\sigma ^{2}$ )，μ为均值， $\sigma ^{2}$ 为方差，方差 $\sigma ^{2}$ 开根号即为标准差，μ决定了其对称位置， $\sigma ^{2}$ 决定了分布的幅度，方差和标准差用来衡量数据的离散程度

正态分布创建方式

np.random.randn(d0, d1, …, dn)：用于生成标准正态分布随机数，d0, d1, …, dn为数组的维度，从标准正态分布中返回一个或多个样本值
np.random.normal(loc=0.0, scale=1.0, size=None)：生成均值为loc，标准差为scale的正态分布数据
- loc：均值，float类型，对应着整个分布的中心(对称轴)
- scale：标准差，float类型，对应于分布的宽度，scale越大越矮胖，scale越小越瘦高
- size：int或元组类型，输出的shape，默认为None，只输出一个值
np.random.standard_normal(size=None)：返回指定形状的标准正态分布的数组

np.random.randn(2, 2 ,3)  # 从标准正态分布中返回指定维数样本值

np.random.normal(2, 0.5, 10)   # 指定均值、标准差

np.random.standard_normal(10)   # 标准正态

结果如下

2.正态分布作图

绘制指定均值和标准差正态分布图

import numpy as np
import matplotlib.pyplot as plt
# 生成均值为2，标准差为0.5的正态分布数据，100000000个
a = np.random.normal(2, 0.5, 100000000)

# 创建画布
plt.figure(figsize=(8, 4), dpi=100)
# 绘制直方图
plt.hist(a, 1000, color='y')
# 显示图像
plt.show()

输出如图

标准正态分布图

import numpy as np
import matplotlib.pyplot as plt
# 标准正态分布
a = np.random.standard_normal(200000)

# 创建画布
plt.figure(figsize=(8, 4), dpi=100)
# 绘制直方图
plt.hist(a, 1000, color='y')
# 显示图像
plt.show()

输出如图

3.均匀分布

np.random.rand(d0, d1, …, dn)：用于生成均匀分布的随机数，d0, d1, …, dn为数组的维度，返回[0,1)内的一组均匀分布的数
np.random.randint(low[, high, size, dtype])：用于生成随机整数，从一个均匀分布中随机采样，生成一个整数或N维整数数组
- 取数范围：若high不为None时，取[low,high)之间随机整数，否则取值[0,low)之间随机整数
- dtype：数据类型
- size：数据个数或形状
- high：最大值
- low：最小值
np.random.random([size])：用于生成[0,1)范围内的随机数，size为随机数的个数或形状
np.random.choice(a, size=None, replace=True, p=None)：用于从a中随机选择指定数据
- 数组p：与数组a相对应，表示取数组a中每个元素的概率，默认为选取每个元素的概率相同
- replace: True表示可以取相同数字，False表示不可以取相同数字
- 从a(一维数组)中随机抽取数字，并组成指定大小(size)的数组
np.random.uniform(low=0.0, high=1.0, size=None)：从一个均匀分布[low,high)中随机采样
- low: 采样下界，float类型，默认为0
- high: 采样上界，float类型，默认为1
- size: 输出样本数目，为int或元组(tuple)类型，如size=(a,b,c)指定为三维数组，输出a×b×c个样本，缺省时输出1个值
- 返回值：ndarray类型，其形状和参数size中描述一致

演练代码如下

np.random.rand(2, 2, 3)   #  # 从均匀分布中返回指定维数样本值，范围为[0，1)，三维数组

np.random.randint(-2, 2, 10)   # 生成[-2, 2)范围内的随机整数

np.random.random(10)   # 生成[0, 1)范围内的随机数

a = np.random.randint(-20, 20, 10) 
np.random.choice(a,10,replace=False)   # 从a中随机选择指定数据,replace=False表示不能重复

np.random.uniform(-2, 2, 10)   # 生成10个均匀分布的随机数，范围为[-2, 2)

np.random.uniform(-2, 2, size=(2,3,3))

4. 均匀分布情况图

import matplotlib.pyplot as plt
# 生成均匀分布的随机数
aa = np.random.uniform(-1, 1, 1000000)

# 画图看分布状况
# 创建画布
plt.figure(figsize=(8, 4), dpi=100)
# 绘制直方图
plt.hist(aa, bins=100)  # aa代表要使用的数据，bins表示要划分区间数
plt.show()   # 显示图像

结果如下