使用numpy使得生成的数据在最大值和最小值之间

在使用NumPy生成数据时，如果你想让生成的数值限定在一个特定的范围，例如最大值和最小值之间，你可以结合`np.random.uniform`或`np.random.randint`函数。这两个函数分别用于生成均匀分布和离散均匀分布的随机数。

1. 对于连续的均匀分布，你可以这样做：

   import numpy as np

   min_val = 0
   max_val = 100
   data = np.random.uniform(low=min_val, high=max_val, size=None)

这里`low`参数指定了下界，`high`参数指定了上界，包括两端。

2. 如果需要生成离散的整数，比如在1到100之间，可以使用`np.random.randint`：

   data = np.random.randint(low=min_val, high=max_val+1, size=None)

注意，`high`参数这里加1是因为`randint`默认不包含上限。

相关问题

利用numpy模拟生成 50名同学的单科成绩，符合正态分布N(70, 100)。完成排序，求最大值、最小值和均值。

好的，我明白了您的要求。以下是生成50名同学单科成绩，并求最大值、最小值和均值的代码：

import numpy as np

# 生成50名同学的单科成绩，符合正态分布N(70, 100)
scores = np.random.normal(70, 10, 50)

# 对成绩进行排序
scores_sorted = np.sort(scores)

# 求最大值、最小值和均值
max_score = np.max(scores_sorted)
min_score = np.min(scores_sorted)
mean_score = np.mean(scores_sorted)

# 输出结果
print("排序后的成绩为：", scores_sorted)
print("最高分为：", max_score)
print("最低分为：", min_score)
print("平均分为：", mean_score)

该代码运行后会输出50名同学的成绩排序结果，并求出最高分、最低分和平均分。注意：这里生成的成绩只是一种随机生成方法，并不关联实际学生的成绩。

编写一个Python程序，使用Numpy库读取一个CSV文件，该文件包含多列浮点数数据。你需要计算每列数据的平均值、中位数、最大值和最小值，并将结果保存到一个新的CSV文件中。（CSV文件需要自己编写代码生成，确保每个人生成的文件都是不一样的）

首先，确保已经安装了`numpy`, `pandas`, 和 `csv` 库，如果没有可以使用下面命令安装：

pip install numpy pandas

接下来是一个简单的Python程序，它会完成你描述的任务：

import numpy as np
import pandas as pd
import csv
from random import randint

# 生成随机浮点数数组并保存到临时CSV文件
def create_random_csv(n_rows, n_cols):
    data = [[randint(0, 100) for _ in range(n_cols)] for _ in range(n_rows)]
    file_name = f'temp_data_{n_rows}x{n_cols}.csv'
    with open(file_name, 'w', newline='') as csvfile:
        writer = csv.writer(csvfile)
        writer.writerows(data)
    return file_name

# 读取CSV文件并计算统计信息
def process_csv(file_name):
    df = pd.read_csv(file_name, converters={c: lambda x: float(x) for c in df.columns})
    
    mean_values = df.mean()
    median_values = df.median()
    max_values = df.max()
    min_values = df.min()

    # 结果保存到新的CSV文件
    stats_file_name = f'statistics_from_{file_name}.csv'
    with open(stats_file_name, 'w', newline='') as csvfile:
        writer = csv.writer(csvfile)
        writer.writerow(['Column', 'Mean', 'Median', 'Max', 'Min'])
        for i, (col, mean, median, max_val, min_val) in enumerate(zip(df.columns, mean_values, median_values, max_values, min_values)):
            writer.writerow([col, mean, median, max_val, min_val])

# 示例
n_rows = 5
n_cols = 4
file_to_process = create_random_csv(n_rows, n_cols)
process_csv(file_to_process)