np.random.rand(100)

import numpy as np

# 生成一个包含100个随机数的一维数组
arr = np.random.rand(100)

# 输出数组
print(arr)

以上代码使用NumPy库中的random模块生成一个包含100个随机数的一维数组，并将其打印输出。其中，np.random.rand()函数用于生成指定形状的随机数数组，其参数为各维度的大小。在本例中，我们只需要生成一个包含100个元素的一维数组，因此只需要传入一个参数100即可。

相关问题

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。

np.random.random与np.random.rand区别

np.random.random和np.random.rand都是用于生成<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [numpy中的np.random.rand、np.random.randn、np.random.randint、np.random.uniform等用法](https://blog.csdn.net/qq_29983883/article/details/131143569)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]