numpy函数的random.radint

numpy.random.randint函数是用来生成随机整数的函数，可以按照指定的参数生成指定范围内的整数，参数包括：

1. low：生成的随机整数的最小值。
2. high：生成的随机整数的最大值，但不包括该值。
3. size：生成随机整数的数量和形状。

例如，生成10个在1到100之间的随机整数：

import numpy as np

rand_int = np.random.randint(low=1, high=100, size=10)
print(rand_int)

输出：

array([21, 51, 20,  9,  8, 60, 50, 27,  3, 95])

相关问题

numpy.random.uniform和numpy.random.rand函数有什么区别，都是均匀分布随机数吗

好的，我明白了。对于您的问题，numpy.random.uniform和numpy.random.rand函数都可以产生均匀分布的随机数，但它们的参数不同。numpy.random.uniform函数接收两个参数，即产生随机数的区间的上限和下限；而numpy.random.rand函数没有参数，则默认产生0到1之间的随机数。另外，numpy.random.uniform函数也可以支持产生多维数组的随机数。

numpy.random.seed和numpy.random.permutation有什么区别

`numpy.random.seed` 和 `numpy.random.permutation` 都是 numpy.random 模块中的函数，但它们的作用不同。

`numpy.random.seed` 是一个设置随机数种子的函数，用于生成伪随机数序列。在使用伪随机数生成器时，如果不设置随机数种子，每次生成的随机数序列都是不同的，而且是随机的。但是，如果设置了随机数种子，每次生成的随机数序列都是相同的，因此可以控制伪随机数序列的生成。例如，可以使用 `numpy.random.seed(0)` 来设置随机数种子为 0。

`numpy.random.permutation` 是一个随机排列函数，用于将输入的数组随机排列。例如，`numpy.random.permutation([1, 2, 3])` 可以生成一个随机的排列，例如 `[3, 1, 2]`。

因此，`numpy.random.seed` 和 `numpy.random.permutation` 的作用不同。`numpy.random.seed` 用于控制随机数生成器的行为，而 `numpy.random.permutation` 用于随机排列输入的数组。