np.random.rand函数的用法
时间: 2023-11-20 08:55:19 浏览: 34
np.random.rand函数用于生成一个或多个服从“0~1”均匀分布的随机样本值,返回值是一个ndarray数组。该函数的语法格式如下:
```python
numpy.random.rand(d0, d1, ..., dn)
```
其中,d0, d1, ..., dn是生成的随机数的维度,可以是整数或整数元组。如果没有参数,则返回单个随机浮点数。
以下是一些使用np.random.rand函数生成随机数的例子:
```python
import numpy as np
# 生成一个随机浮点数
rand_num = np.random.rand()
print(rand_num) # 输出:0.123456789
# 生成一个1维数组,包含5个随机浮点数
rand_arr = np.random.rand(5)
print(rand_arr) # 输出:[0.12345679 0.2345679 0.34567801 0.45678902 0.56789013]
# 生成一个2维数组,包含3行4列的随机浮点数
rand_arr_2d = np.random.rand(3, 4)
print(rand_arr_2d)
# 输出:
# [[0.12345679 0.2345679 0.34567801 0.45678902]
# [0.56789013 0.67890124 0.78901235 0.89012346]
# [0.90123457 0.01234568 0.12345679 0.2345679 ]]
```
相关问题
np.random.rand()函数
np.random.rand()函数是一个用于生成服从0~1均匀分布的随机样本值的函数。它的返回值是一个或一组随机样本值,取值范围是[0,1),不包括1。该函数可以接受多个参数,用于指定生成随机样本值的维度。例如,np.random.rand(2,3)可以生成一个2行3列的随机矩阵。这个函数在深度学习中的Dropout正则化方法中经常被用来生成dropout随机向量。例如,你可以用np.random.rand(al.shape, al.shape) < keep_prob来生成一个与al形状相同的dropout随机向量,其中keep_prob表示保留神经元的比例。
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。