np.random.randn用法
时间: 2024-06-19 13:04:19 浏览: 14
np.random.randn是numpy库中的一个函数,用于生成指定形状的随机数数组,这些随机数满足标准正态分布(均值为0,标准差为1)。其用法如下:
```
numpy.random.randn(d0, d1, ..., dn)
```
其中d0,d1,...,dn表示生成的随机数数组的形状,可以是一个整数或者一个元组。例如:
```
import numpy as np
a = np.random.randn() # 生成一个标量
b = np.random.randn(3) # 生成一个形状为(3,)的数组
c = np.random.randn(2, 3) # 生成一个形状为(2, 3)的数组
```
以上代码生成了一个标量a、一个形状为(3,)的一维数组b和一个形状为(2, 3)的二维数组c,它们的元素均为标准正态分布的随机数。
相关问题
np.random.random()和np.random.randn
np.random.random()和np.random.randn()是NumPy库中用于生成随机数的函数。它们的作用和使用方法略有不同。
np.random.random()函数用于生成服从“0~1”均匀分布的随机样本值。该函数的语法为np.random.random(d0,d1,d2……dn),可以返回一个或一组服从均匀分布的随机样本值。这些随机样本的取值范围是[0,1),不包括1。在深度学习的Dropout正则化方法中,np.random.random()函数常用于生成dropout随机向量。例如,可以使用如下语句生成一个与数组al相同形状的dropout随机向量:dl = np.random.random(al.shape) < keep_prob。
np.random.randn()函数用于生成服从标准正态分布的随机样本值。该函数的语法为np.random.randn(d0,d1,d2……dn),可以返回一个或一组服从标准正态分布的随机样本值。标准正态分布是以0为均值、以1为标准差的正态分布。在生成多维数组时,可以通过传入多个参数来指定数组的维度。需要注意的是,当函数没有参数时,返回一个浮点数;当函数有一个参数时,返回一个秩为1的数组;当函数有两个及以上参数时,返回对应维度的数组。在实际应用中,np.random.randn()函数常用于生成服从正态分布的随机数据。
总结:np.random.random()函数用于生成服从均匀分布的随机样本值,而np.random.randn()函数用于生成服从标准正态分布的随机样本值。
np.random.rand和np.random.randn区别和用法
`np.random.rand`和`np.random.randn`都是NumPy库中的随机数生成函数,但它们在生成随机数的方式和用法上有所不同。
1. `np.random.rand`函数生成指定形状的在[0, 1)范围内均匀分布的随机样本。其使用方法如下:
```python
np.random.rand(d0, d1, ..., dn)
```
其中,d0, d1, ..., dn表示生成随机数的数组的维度。函数返回一个具有指定形状的数组,数组中的每个元素都是在[0, 1)范围内的随机数。例如:
```python
np.random.rand(3, 2)
```
可以生成一个3行2列的数组,其中的元素都是在[0, 1)范围内的随机数。
2. `np.random.randn`函数生成指定形状的标准正态分布(均值为0,标准差为1)的随机样本。其使用方法如下:
```python
np.random.randn(d0, d1, ..., dn)
```
其中,d0, d1, ..., dn表示生成随机数的数组的维度。函数返回一个具有指定形状的数组,数组中的每个元素都是从标准正态分布中随机抽取得到的。例如:
```python
np.random.randn(3, 2)
```
可以生成一个3行2列的数组,其中的元素都是从标准正态分布中随机抽取得到的随机数。
总结来说,`np.random.rand`生成的是均匀分布的随机数,而`np.random.randn`生成的是标准正态分布的随机数。在使用时,需要根据具体需求选择合适的随机数生成函数。
相关推荐
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)