numpy随机数生成方法介绍

# 1. Numpy随机数生成概述**

Numpy是Python中一个强大的数值计算库，它提供了广泛的随机数生成功能。Numpy的随机数生成器基于Mersenne Twister算法，该算法以其高效率和高质量的随机数而闻名。Numpy的随机数生成器可以生成各种分布的随机数，包括离散分布、连续分布和多维分布。在本章中，我们将介绍Numpy随机数生成的概述，包括其基本概念、功能和应用。

# 2. 一维随机数生成

### 2.1 离散分布

#### 2.1.1 整数均匀分布

Numpy 提供了 `randint()` 函数来生成指定范围内的整数均匀分布随机数。其语法为：

numpy.randint(low, high, size=None, dtype='l')

**参数说明：**

* `low`: 整数均匀分布的下限（包括）。
* `high`: 整数均匀分布的上限（不包括）。
* `size`: 生成的随机数数组的大小。
* `dtype`: 生成的随机数的数据类型。

**代码示例：**

import numpy as np

# 生成 [0, 10) 范围内的 5 个整数均匀分布随机数
random_ints = np.randint(0, 10, size=5)
print(random_ints)

**逻辑分析：**

`np.randint(0, 10, size=5)` 函数生成了 5 个 [0, 10) 范围内的整数均匀分布随机数。

#### 2.1.2 离散均匀分布

Numpy 提供了 `choice()` 函数来生成离散均匀分布随机数。其语法为：

numpy.choice(a, size=None, replace=True, p=None)

**参数说明：**

* `a`: 离散均匀分布的取值集合。
* `size`: 生成的随机数数组的大小。
* `replace`: 是否允许重复取值。
* `p`: 每个取值的概率分布。

**代码示例：**

import numpy as np

# 生成 ['a', 'b', 'c'] 范围内的 3 个离散均匀分布随机数
random_choices = np.choice(['a', 'b', 'c'], size=3)
print(random_choices)

**逻辑分析：**

`np.choice(['a', 'b', 'c'], size=3)` 函数生成了 3 个 ['a', 'b', 'c'] 范围内的离散均匀分布随机数。

### 2.2 连续分布

#### 2.2.1 均匀分布

Numpy 提供了 `uniform()` 函数来生成均匀分布随机数。其语法为：

numpy.uniform(low, high, size=None)

**参数说明：**

* `low`: 均匀分布的下限（包括）。
* `high`: 均匀分布的上限（不包括）。
* `size`: 生成的随机数数组的大小。

**代码示例：**

import numpy as np

# 生成 [0, 1) 范围内的 5 个均匀分布随机数
random_floats = np.uniform(0, 1, size=5)
print(random_floats)

**逻辑分析：**

`np.uniform(0, 1, size=5)` 函数生成了 5 个 [0, 1) 范围内的均匀分布随机数。

#### 2.2.2 正态分布

Numpy 提供了 `normal()` 函数来生成正态分布随机数。其语法为：

numpy.normal(loc, scale, size=None)

**参数说明：**

* `loc`: 正态分布的均值。
* `scale`: 正态分布的标准差。
* `size`: 生成的随机数数组的大小。

**代码示例：**

import numpy as np

# 生成均值为 0，标准差为 1 的 5 个正态分布随机数