基于numpy.random.randn()与rand()的区别详解

NumPy是一个Python科学计算库，其中包含了许多用于生成随机数的函数。其中，numpy.random.randn()和numpy.random.rand()是两个常用的函数。虽然它们都可以用于生成随机数，但它们之间有一些重要的区别。下面是基于numpy.random.randn()和numpy.random.rand()的区别的完整攻略：

1. numpy.random.randn()

numpy.random.randn()函数用于生成服从标准正态分布的随机数。下面是一个生成随机数的示例：

import numpy as np

# 生成10个服从标准正态分布的随机数
random_numbers = np.random.randn(10)
print(random_numbers)

在上面的示例中，我们使用numpy.random.randn()函数生成了10个服从标准正态分布的随机数。

1. numpy.random.rand()

numpy.random.rand()函数用于生成在[0, 1)范围内的随机数。下面是一个生成随机数的示例：

import numpy as np

# 生成10个在[0, 1)范围内的随机数
random_numbers = np.random.rand(10)
print(random_numbers)

在上面的示例中，我们使用numpy.random.rand()函数生成了10个在[0, 1)范围内的随机数。

1. 区别1：参数不同

numpy.random.randn()函数接受整数参数n，用于指定要生成的随机数的数量。而numpy.random.rand()函数接受任意数量的参数，用于指定要生成的随机数的形状。例如，numpy.random.rand(2, 3)将生成一个2行3列的随机数矩阵。

1. 区别2：生成的随机数的范围不同

numpy.random.randn()函数生成的随机数服从标准正态分布，其范围为负无穷到正无穷。而numpy.random.rand()函数生成的随机数在[0, 1)范围内。

1. 示例1：生成服从正态分布的随机数

如果我们想要生成服从正态分布的随机数，我们可以使用numpy.random.randn()函数。以下是一个生成服从正态分布的随机数的示例：

import numpy as np

# 生成10个服从正态分布的随机数
random_numbers = np.random.randn(10) * 2 + 5
print(random_numbers)

在上面的示例中，我们使用numpy.random.randn()函数生成了10个服从正态分布的随机数，并使用乘法和加法来调整均值和标准差。

1. 示例2：生成随机数矩阵

如果我们想要生成一个随机数矩阵，我们可以使用numpy.random.rand()函数。以下是一个生成随机数矩阵的示例：

import numpy as np

# 生成一个2行3列的随机数矩阵
random_matrix = np.random.rand(2, 3)
print(random_matrix)

在上面的示例中，我们使用numpy.random.rand()函数生成了一个2行3列的随机数矩阵。

这就是基于numpy.random.randn()和numpy.random.rand()的区别的完整攻略。希望对你有所帮助！