np.random.rand(100, 3)什么意思

np.random.rand(100, 3)表示生成一个100行3列的二维数组，数组中的元素是在[0, 1)之间均匀分布的随机数。具体来说，np.random.rand()函数会返回一个或多个在[0, 1)之间均匀分布的随机样本值，这些样本值是从均匀分布中随机抽取的。在这个例子中，生成的二维数组的每个元素都是一个在[0, 1)之间的随机数。

范例：<<引用:import numpy as np random_array = np.random.rand(100, 3) print(random_array)[^1]。

import numpy as np

random_array = np.random.rand(100, 3)
print(random_array)

输出：

[[0.12345678 0.23456789 0.3456789 ]
 [0.45678901 0.56789012 0.67890123]
 ...
 [0.90123456 0.01234567 0.12345678]]

相关问题

a = np.random.rand(2,3) b = np.random.rand(3) c = np.random.rand(3,1) d = np.random.rand(3) W = np.array([a.T,b,c.T,d])

这段代码使用了NumPy库来生成随机数组，并将它们存储在变量a、b、c、d和W中。

- `a = np.random.rand(2,3)`：这行代码生成一个2行3列的随机数组，并将其赋值给变量a。
- `b = np.random.rand(3)`：这行代码生成一个包含3个元素的一维随机数组，并将其赋值给变量b。
- `c = np.random.rand(3,1)`：这行代码生成一个3行1列的随机数组，并将其赋值给变量c。
- `d = np.random.rand(3)`：这行代码生成一个包含3个元素的一维随机数组，并将其赋值给变量d。
- `W = np.array([a.T,b,c.T,d])`：这行代码创建了一个包含四个元素的NumPy数组W。其中，a.T表示a的转置，c.T表示c的转置。这样，W就是一个由a的转置、b、c的转置和d组成的数组。

np.random.rand,np.random.randn,np.random.random

`np.random.rand`, `np.random.randn`, 和 `np.random.random` 都是 NumPy 中用于生成随机数的函数：

1. `np.random.rand(size)`：生成一个给定形状（size）的浮点数数组，其值均匀分布在 `[0, 1)` 区间内。所有元素都是独立同分布（i.i.d.）的，即彼此之间相互独立，且服从标准正态分布（均值为0，标准差为1）。

2. `np.random.randn(size)`：与 `rand` 类似，也是生成浮点数数组，但是其元素默认是标准正态分布的随机数，即均值为0，标准差为1。所以即使没有明确指定范围，生成的数也通常会被认为是在 [-3, 3] 左右的范围内。

3. `np.random.random(size)`：同样生成一个给定形状的浮点数数组，数组中的每一个元素都在 `[0, 1)` 范围内，与 `rand` 相似，也是 i.i.d. 的。

这些函数广泛应用于数据预处理、模拟实验等场景中，帮助创建随机样本。如果你需要生成特定范围内的非均匀分布随机数，可以结合其他技巧如 `a * rand() + b` 来调整生成值的范围。