创建一个3x3x3的随机数组，以下正确的是 np.arange(3,3,3) np.random.random(3,3,3) np.random(3x3x3) np.random(3,33)

创建一个 3x3x3 的随机数组，正确的方法是使用 `np.random.rand(3, 3, 3)` 或者 `np.random.randn(3, 3, 3)`。

- `np.arange(3, 3, 3)` 会返回一个空数组，因为 `start` 和 `step` 的值都为 3，所以没有值需要生成。
- `np.random.random(3, 3, 3)` 会报错，因为 `np.random.random` 只接受一个 `size` 参数，而不是多个参数。
- `np.random(3x3x3)` 会报错，因为 `3x3x3` 不是有效的 Python 表达式。
- `np.random(3, 33)` 会报错，因为 `np.random` 不接受多个整数作为参数。

相关问题

创建一个3×3的数组，下列代码中错误的是（) 。 np.eye(3) np.random.random([3,3,3]) np.mat(" 1 2 3;4 5 6;7 8 9") np.arange(0,9).reshape(3,3)

下列代码中错误的是：np.random.random([3,3,3])，因为它创建了一个形状为 (3, 3, 3) 的三维数组，而不是一个 3x3 的二维数组。其他三个选项都创建了一个 3x3 的二维数组。

- np.eye(3) 创建了一个单位矩阵；
- np.mat(" 1 2 3;4 5 6;7 8 9") 创建了一个由给定字符串表示的矩阵；
- np.arange(0,9).reshape(3,3) 创建了一个由 0 到 8 的整数组成的一维数组，并将其重塑为 3x3 的二维数组。

np.random 的使用方法

`np.random` 是 NumPy 库中的一个模块，用于生成随机数和执行随机抽样操作。以下是一些常用的 `np.random` 方法及其使用方法：

1. **生成随机数**：
- `np.random.rand(d0, d1, ..., dn)`：生成一个形状为 `(d0, d1, ..., dn)` 的数组，数组中的元素是 `[0, 1)` 区间内的随机浮点数。
- `np.random.randn(d0, d1, ..., dn)`：生成一个形状为 `(d0, d1, ..., dn)` 的数组，数组中的元素是标准正态分布（均值为0，标准差为1）的随机浮点数。
- `np.random.randint(low, high, size)`：生成一个形状为 `size` 的数组，数组中的元素是 `[low, high)` 区间内的随机整数。

2. **随机抽样**：
- `np.random.choice(a, size=None, replace=True, p=None)`：从一维数组 `a` 中随机抽样，`size` 是抽样结果的形状，`replace` 表示是否有放回，`p` 是每个元素被抽中的概率。
- `np.random.permutation(x)`：返回数组 `x` 的一个随机排列。

3. **设置随机种子**：
- `np.random.seed(seed)`：设置随机数生成的种子，使得每次生成的随机数序列相同。

4. **随机打乱**：
- `np.random.shuffle(x)`：随机打乱数组 `x` 的元素顺序。

以下是一些示例代码：

import numpy as np

# 设置随机种子
np.random.seed(42)

# 生成随机浮点数
print(np.random.rand(2, 3))  # 生成一个2x3的数组，元素在[0, 1)区间内

# 生成标准正态分布的随机浮点数
print(np.random.randn(2, 3))  # 生成一个2x3的数组，元素服从标准正态分布

# 生成随机整数
print(np.random.randint(0, 10, (2, 3)))  # 生成一个2x3的数组，元素在[0, 10)区间内的随机整数

# 随机抽样
print(np.random.choice(['a', 'b', 'c'], size=5, replace=True))  # 从列表中随机抽样

# 随机打乱
arr = np.arange(10)
np.random.shuffle(arr)
print(arr)  # 随机打乱后的数组