range()和xrange()函数
- 在 python 2.x 版本中，同时存在range（）和xrange（）函数，其中，range()返回值是一个列表，xrange（）返回值是一个迭代器；
- 在 python 3.x 版本中，取消了xrange（）的定义，仅保留了range（）函数，且range（）函数的返回值也改为迭代器；
- xrange和range的语法格式相同；
- 语法：
- 格式1: range(stop)
- 格式2: range(start, stop[, step])
- 返回值：range 对象
- start表示起始值（正整数/负整数），stop表示终止值（正整数/负整数），step表示步进值（默认为1，正整数/负整数）；
- 当输入参数只有stop时，起始值是0。
- 无论如何配置，返回值中均不包括stop值。
- 如果要将生成的range（）对象变为列表就需要利用list(range(..))方式；
range()和np.arange()函数
- 生成的数据都是等差的；
- range()是python的内置函数，其返回值是range可迭代对象；
- arange()是Numpy库中的函数，其返回值是数组对象；
- 语法：
- 格式：np.arange([start,] stop[, step,], dtype=None)
- 仅输入stop值，此时start默认从0开始
- 在给定的范围内返回均匀间隔的值，其中step可以为小数；
- 该函数生产的数组范围是[start,stop)，即不包括stop值；
- start表示起始值（默认为0,可正，可负,可小数），stop表示终止值（正/负数，可小数），step步进值（正/负数，可小数）；
python random模块
random.random()
- 用于生成一个0到1的随机符点数: 0 <= n < 1.0
random.randint(a,b)
- 用于生成一个指定范围内的整数。其中参数a是下限，参数b是上限，生成的随机数n: a <= n <= b
random.randrange([start], stop[, step])
- 从指定范围内，按指定基数递增的集合中获取一个随机数；如：random.randrange(10, 100, 2)，结果相当于从[10, 12, 14, 16, ... 96, 98]序列中获取一个随机数；
- random.randrange(10, 100, 2)在结果上与 random.choice(range(10, 100, 2) 等效
random.uniform(a,b)
- 用于生成一个指定范围内的随机符点数，两个参数其中一个是上限，一个是下限；如果a > b，则生成的随机数n: b <= n <= a；如果 a <b， 则 a <= n <= b
random.choice(sequence)
- 从序列中获取一个随机元素；参数sequence表示一个有序类型
random.shuffle(x[, random])
- 用于将一个列表中的元素打乱，shuffle直接改变原有的序列
random.sample(sequence, k)
- 从指定序列中随机获取指定长度的片断。sample函数不会修改原有序列
numpy random模块
numpy.random.rand(d0,d1,…,dn)
- rand函数根据给定维度生成[0,1)之间的数据，包含0，不包含1
- dn表格每个维度
- 返回值为指定维度的array
np.random.rand(4,2)
array([[ 0.02173903, 0.44376568],
[ 0.25309942, 0.85259262],
[ 0.56465709, 0.95135013],
[ 0.14145746, 0.55389458]])
np.random.rand(4,3,2) # shape: 4*3*2
array([[[ 0.08256277, 0.11408276],
[ 0.11182496, 0.51452019],
[ 0.09731856, 0.18279204]],
[[ 0.74637005, 0.76065562],
[ 0.32060311, 0.69410458],
[ 0.28890543, 0.68532579]],
[[ 0.72110169, 0.52517524],
[ 0.32876607, 0.66632414],
[ 0.45762399, 0.49176764]],
[[ 0.73886671, 0.81877121],
[ 0.03984658, 0.99454548],
[ 0.18205926, 0.99637823]]])
除此之外生成[0,1)之间的浮点数的方法还有：
- numpy.random.random_sample(size=None)
- numpy.random.random(size=None)
- numpy.random.ranf(size=None)
- numpy.random.sample(size=None)
numpy.random.randn(d0,d1,…,dn)
- randn函数返回一个或一组样本，具有标准正态分布。
- dn表格每个维度
- 返回值为指定维度的array
np.random.randn() # 当没有参数时，返回单个数据
-1.1241580894939212
np.random.randn(2,4)
array([[ 0.27795239, -2.57882503, 0.3817649 , 1.42367345],
[-1.16724625, -0.22408299, 0.63006614, -0.41714538]])
np.random.randn(4,3,2)
array([[[ 1.27820764, 0.92479163],
[-0.15151257, 1.3428253 ],
[-1.30948998, 0.15493686]],
[[-1.49645411, -0.27724089],
[ 0.71590275, 0.81377671],
[-0.71833341, 1.61637676]],
[[ 0.52486563, -1.7345101 ],
[ 1.24456943, -0.10902915],
[ 1.27292735, -0.00926068]],
[[ 0.88303 , 0.46116413],
[ 0.13305507, 2.44968809],
[-0.73132153, -0.88586716]]])
标准正态分布介绍
- 标准正态分布—-standard normal distribution
- 标准正态分布又称为u分布，是以0为均值、以1为标准差的正态分布，记为N（0，1）。
numpy.random.randint(low, high=None, size=None, dtype=’l’)
- 返回随机整数，范围区间为[low,high），包含low，不包含high
- 参数：low为最小值，high为最大值，size为数组维度大小，dtype为数据类型，默认的数据类型是np.int
- high没有填写时，默认生成随机数的范围是[0，low)
- numpy.random.random_integers(low, high=None, size=None)
- 返回随机整数，范围区间为[low,high]，包含low和high
- 参数：low为最小值，high为最大值，size为数组维度大小
- high没有填写时，默认生成随机数的范围是[1，low]
numpy.random.choice(a, size=None, replace=True, p=None)
- 从给定的一维数组中生成随机数；
- 参数： a为一维数组类似数据或整数；size为数组维度(一维数组的长度)；p为数组中的数据出现的概率，参数p的长度与参数a的长度需要一致；参数p为概率，p里的数据之和应为1；
- a为整数时，对应的一维数组为np.arange(a)；
np.random.choice(5,3)
[0 3 1]
np.random.choice(5, 3, replace=False) # 当replace为False时，生成的随机数不能有重复的数值
demo_list = ['lenovo', 'sansumg','moto','xiaomi', 'iphone']
np.random.choice(demo_list,size=(3,3))
array([['moto', 'iphone', 'xiaomi'],
['lenovo', 'xiaomi', 'xiaomi'],
['xiaomi', 'lenovo', 'iphone']],
dtype='<U7')
demo_list = ['lenovo', 'sansumg','moto','xiaomi', 'iphone']
np.random.choice(demo_list,size=(3,3), p=[0.1,0.6,0.1,0.1,0.1])
array([['sansumg', 'sansumg', 'sansumg'],
['sansumg', 'sansumg', 'sansumg'],
['sansumg', 'xiaomi', 'iphone']],
dtype='<U7')
numpy.random.seed()
- np.random.seed()的作用：使得随机数据可预测。
- 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
np.random.seed(0)
np.random.rand(5)
array([ 0.5488135 , 0.71518937, 0.60276338, 0.54488318, 0.4236548 ])
np.random.seed(1676)
np.random.rand(5)
array([ 0.39983389, 0.29426895, 0.89541728, 0.71807369, 0.3531823 ])
np.random.seed(1676)
np.random.rand(5)
array([ 0.39983389, 0.29426895, 0.89541728, 0.71807369, 0.3531823 ])
