python numpy之np.random的随机数函数使用介绍

标题：Python NumPy之np.random的随机数函数使用介绍

Python NumPy是一个用于科学计算的重要库，其中np.random作为NumPy的一个子模块，在数据处理和机器学习中被广泛应用。在np.random中有许多生成随机数的函数，可以通过这些函数生成一些数字序列，以便模拟、实验和建模等。本篇攻略将详细介绍np.random中主要随机数函数的使用方法。

1. 常用随机数函数

1.1 np.random.rand()

np.random.rand() 函数可以生成[0,1)之间均匀分布的随机数，它需要传入一个参数表示要生成的随机数的数量。

import numpy as np

# 生成3个[0,1)之间的随机数
rand_nums = np.random.rand(3)
print(rand_nums)
# 输出：array([0.1157914, 0.97075746, 0.96709219])

这里生成了3个随机数，并将它们保存在rand_nums中。

1.2 np.random.randn()

np.random.randn函数生成服从正态分布的随机数。这个函数不需要传入参数，它会生成一个标准的正态分布样本，即均值为0，标准差为1。

import numpy as np

# 生成5个服从正态分布的随机数
rand_nums = np.random.randn(5)
print(rand_nums)
# 输出：array([-0.45090358,  0.14329961, -1.17951481,  0.49747519, -0.53628556])

这里生成了5个服从正态分布的随机数，并将它们保存在rand_nums中。

1.3 np.random.randint()

np.random.randint() 函数生成指定范围内的整数随机数。它需要传入两个参数，分别表示随机数的最小值和最大值。如果还需要指定生成随机数的个数，可以传入第三个参数。

import numpy as np

# 生成3个[1,6)之间的随机整数
rand_ints = np.random.randint(1, 6, 3)
print(rand_ints)
# 输出：array([2, 4, 1])

这里生成了3个[1, 6)之间的随机整数，并将它们保存在rand_ints中。

2. 随机数函数的应用示例

2.1 模拟掷骰子

我们可以使用np.random.randint()函数模拟掷骰子的过程。这里我们生成10次掷骰子的结果，并统计出每个数字出现的次数。

import numpy as np

# 模拟掷骰子10次
dice = np.random.randint(1, 7, 10)
print(dice)

# 统计每个数字出现的次数
counts = [(i, list(dice).count(i)) for i in range(1, 7)]
print(counts)
# 输出：[(1, 2), (2, 1), (3, 1), (4, 2), (5, 1), (6, 3)]

这里生成了10个[1, 7)之间的随机整数，并将它们保存在dice中。再通过列表迭代器统计每个数字出现的次数。

2.2 生成随机分布数据

我们可以使用np.random.randn()函数生成一些服从正态分布的随机数，并画出它们的分布图。

import numpy as np
import matplotlib.pyplot as plt

# 生成1000个服从正态分布的随机数
rand_nums = np.random.randn(1000)

# 绘制一个直方图展示这些数的分布
plt.hist(rand_nums)
plt.show()

这里生成了1000个服从正态分布的随机数，并通过Matplotlib画出它们的分布图。

以上是本篇攻略对np.random中常用随机生成函数的介绍及应用示例，希望你通过这篇介绍，更加深入地理解np.random的使用。