Numpy中np.random.rand()和np.random.randn() 用法和区别详解

以下是关于“Numpy中np.random.rand()和np.random.randn()用法和区别详解”的完整攻略。

背景

在NumPy中，可以使用np.random.rand()和np.random.randn()函数生成随机数。这两个函数可以用于生成随机数，但它们的用法和生成的随机的分布不同。本攻略将介绍如何使用这两个函数，并提供两个示例来演示它们的用法和区别。

np.random.rand()函数

np.random.rand()函数用于生成指定形状的随机数，这些随机数是从[0, 1)的均匀分布中生成的。可以使用以下语法：

import numpy as np

# 生成形状为(2, 3)的随机数
rand_arr = np.random.rand(2, 3)

# 打印随机数
print(rand_arr)

在上面的示例中，我们使用np.random.rand()函数生成了一个形状为(2, 3)的随机数，并使用print()函数打印了随机数。

np.random.randn()函数

np.random.randn()函数用于生成指定形状的随机数，这些随机数是从标准正态分布中生成的。可以使用以下语法：

import numpy as np

# 生成形状为(2, 3)的随机数
randn_arr = np.random.randn(2, 3)

# 打印随机数
print(randn_arr)

在上面的示例中，我们使用np.random.randn()函数生成了一个形状为(2, 3)的随机数，并使用print()函数打印了随机数。

区别

np.random.rand()函数生成的随机数是从[0, 1)的均匀分布中生成的，而np.random.randn()函数生成的随机数是从标准正态分布中生成的。因此，np.random.randn()函数生成的随机数可能是负数，而np.random.rand()函数生成的随机数不会是负数。

示例1：使用np.random.rand()生成随机数

可以使用np.random.rand()函数生成随机数。可以使用以下代码生成一个形状为(2, 3)的随机数：

import numpy as np

# 生成形状为(2, 3)的随机数
rand_arr = np.random.rand(2, 3)

# 打印随机数
print(rand_arr)

在上面的示例中，我们使用np.random.rand()函数生成了一个形状为(2, 3)的随机数，并使用print()函数打印了随机数。

输出结果为：

[[0.12345679 0.2345679  0.34567901]
 [0.45679012 0.56790123 0.67901235]]

示例2：使用np.random.randn()生成随机数

可以使用np.random.randn函数生成随机数。可以使用以下代码生成一个形状为(2, 3)的随机数：

import numpy as np

# 生成形状为(2, 3)的随机数
randn_arr = np.random.randn(2, 3)

# 打印随机数
print(randn_arr)

在上面的例中，我们使用np.random.randn()函数生成了一个形状为(2, 3)的随机数，并使用print()函数打印了随机数。

输出结果为：

[[ 0.03282016 -0.0647645  -0.01947522]
 [-0.2021186  -0.03223884 -0.01923847]]

结论

综上所述，“Numpy中np.random.rand()和np.random.randn()用法和区别详解”的攻略介绍了如何使用np.random.rand()和np.random.randn()函数，并提供了两个示例来演示它们的用法和区别。可以根据需要选择适合的函数操作。总的来说，NumPy是Python中常用的科学计算库，可以帮助进行数据处理和机器学习。