np.random.rand与np.random.random_sample差别

np.random.rand和np.random.random_sample都是NumPy库中用于生成随机数的函数，它们之间的差别在于参数的不同。

np.random.rand函数用于生成指定形状的随机数数组，参数是以逗号分隔的整数或整数元组，表示生成数组的形状。这个函数返回一个在[0, 1)范围内均匀分布的随机数数组。

np.random.random_sample函数也用于生成指定形状的随机数数组，参数同样是以逗号分隔的整数或整数元组。这个函数返回一个在[0, 1)范围内均匀分布的随机数数组。

两者的功能和结果是相同的，只是函数名不同。你可以根据个人喜好选择使用其中之一。

相关问题

np.random.random和np.random的区别

`np.random.random` 是 NumPy 库中的一个函数，用于生成一个大小为 `size` 的随机浮点数数组，这些浮点数在 `[0.0, 1.0)` 范围内均匀分布。例如：

import numpy as np

arr = np.random.random(size=(3, 3))
print(arr)

输出：

array([[0.69733488, 0.38846881, 0.78324915],
       [0.30495453, 0.93250477, 0.30398682],
       [0.42405034, 0.1179382 , 0.03842659]])

`np.random` 是 NumPy 库中的一个模块，其中包含了多种生成随机数的函数。这些函数包括：

- `rand()`：生成一个给定形状的随机浮点数数组，在 `[0.0, 1.0)` 范围内均匀分布。
- `randn()`：生成一个给定形状的随机浮点数数组，符合标准正态分布。
- `randint(low, high=None, size=None)`：生成一个给定形状的随机整数数组，在 `[low, high)` 范围内均匀分布。
- `random_integers(low, high=None, size=None)`：同上，但是包括 high。
- `random_sample(size=None)`：同 `random()`。
- `random(size=None)`：同 `rand()`。
- `choice(a, size=None, replace=True, p=None)`：从数组 `a` 中随机选取元素组成一个给定形状的数组。可以指定选取元素的概率分布 `p`，以及是否可以重复选取 `replace`。

所以，`np.random` 比 `np.random.random` 更加灵活，可以生成不同分布和类型的随机数。

np.random.random((5.5

根据引用[1]，np.random.uniform()函数用于从一个均匀分布的区域中随机采样。而根据引用，np.random.random()和np.random.random_sample()函数返回的是从半开放区间[0.0, 1.0)中随机采样的浮点数。因此，如果想要生成一个5行5列的随机浮点数矩阵，可以使用np.random.random((5, 5))函数，如下所示：

import numpy as np

rand_mat = np.random.random((5, 5))
print(rand_mat)

输出结果类似于：

[[0.12345678 0.98765432 0.4567891  0.87654321 0.24680135]
 [0.13579024 0.80246914 0.75308642 0.32098765 0.49382716]
 [0.35802469 0.60493827 0.19753086 0.83950617 0.11111111]
 [0.54320988 0.02469136 0.95061728 0.17283951 0.45679012]
 [0.77777778 0.58024691 0.7037037  0.32098765 0.11111111]]