NumPy - 随机生成器

NumPy 随机生成器

NumPy 中的随机生成器用于生成随机数和执行随机采样。

NumPy 的 random 模块提供了广泛的随机数生成函数，从生成随机整数和浮点数，到更复杂的分布如正态分布、均匀分布和二项分布。

在本教程中，我们将探讨如何使用 NumPy Random Generator 生成随机数据，并讨论该模块中可用的重要函数。

什么是 NumPy Random 模块？

NumPy random 模块是 NumPy 库中的一个子模块，包含用于生成随机数、执行随机采样和生成随机分布的函数。它提供了 numpy.random 包，支持从各种概率分布（如均匀分布、正态分布和二项分布）创建随机数。

通过使用 NumPy 的随机生成器，我们可以生成随机值，用于模拟、随机测试，甚至加密操作。生成的随机数是伪随机数，即通过确定性过程生成但看起来随机的数。

可以通过随机种子控制随机数序列，从而确保模拟和实验的可重现性。

NumPy 的随机生成器如何工作？

NumPy 随机数生成器基于名为 Mersenne Twister 的伪随机数生成器 (PRNG) 算法构建。PRNG 的关键特性是生成近似真正随机性的数字序列，但由一个称为种子的初始值决定。

通过设置相同的种子，你可以确保每次运行代码时随机数序列相同，这在科学实验的可重现性中非常重要。

为随机生成器设置种子

为了控制随机数生成过程，NumPy 提供了 numpy.random.seed() 函数，用于设置随机数生成器的种子。这允许你在每次运行程序时生成相同的随机数。

示例

在下面的示例中，通过设置相同的种子值（42），我们每次运行代码时都会得到相同的随机数序列。这有助于在实验和调试过程中确保一致性 −

import numpy as np

# 为可重现性设置种子
np.random.seed(42)

# 生成随机数
random_numbers_1 = np.random.random(5)

# 使用相同的种子生成相同的随机数
np.random.seed(42)
random_numbers_2 = np.random.random(5)

# 显示结果
print("First random numbers:", random_numbers_1)
print("Second random numbers:", random_numbers_2)

以下是获得的结果 −

First random numbers: [0.37454012 0.95071431 0.73199394 0.59865848 0.15601864]
Second random numbers: [0.37454012 0.95071431 0.73199394 0.59865848 0.15601864]

生成随机数

NumPy 提供了各种生成随机数的函数。这里，我们将探索一些最常用的函数 −

随机浮点数

numpy.random.random() 函数生成 0 到 1 之间的随机浮点数。您可以通过传递所需的维度作为参数来指定输出数组的形状。例如 −

import numpy as np

# 生成 5 个 0 到 1 之间的随机浮点数
random_floats = np.random.random(5)
print("Random float numbers:", random_floats)

产生的结果如下 −

Random float numbers: [0.96177309 0.75071326 0.44828032 0.53441928 0.56717514]

随机整数

numpy.random.randint() 函数在指定的范围内生成随机整数。您可以指定低值和高值，它将返回低值（包含）到高值（不包含）之间的整数。以下是一个示例 −

import numpy as np

# 生成 5 个 10（包含）到 100（不包含）之间的随机整数
random_integers = np.random.randint(10, 100, size=5)
print("Random integers:", random_integers)

执行上述代码后，我们得到以下输出 −

Random integers: [13 38 56 94 78]

来自正态分布的随机数

numpy.random.normal() 函数从具有指定均值和标准差的正态（高斯）分布中生成随机数。您还可以指定输出数组的大小。其工作方式如下 −

import numpy as np

# 从均值为 0、标准差为 1 的正态分布中生成 5 个随机数
random_normal = np.random.normal(0, 1, 5)
print("Random numbers from normal distribution:", random_normal)

得到输出如下 −

Random numbers from normal distribution: [ 0.52379705  0.3169246   0.76473415 -0.73006407 -0.50259886]

来自均匀分布的随机数

numpy.random.uniform() 函数在给定的范围内从均匀分布中生成随机数。以下是生成 5 个 1.0 到 10.0 之间随机数的示例 −

import numpy as np

# 生成 5 个 1.0 到 10.0 之间的随机数
random_uniform = np.random.uniform(1.0, 10.0, 5)
print("Random numbers from uniform distribution:", random_uniform)

产生的结果如下 −

Random numbers from uniform distribution: [4.92412702 2.57524084 1.71870242 3.71017627 6.19920522]

带替换的随机抽样

有时，我们需要从数组中随机选择元素。NumPy 提供了 numpy.random.choice() 函数，允许您执行带替换或不带替换的随机抽样。

示例

在下面的示例中，该函数从数组中带替换地选择 3 个随机元素，这意味着元素可以被多次选择 −

import numpy as np

# 定义一个元素数组
array = np.array([1, 2, 3, 4, 5])

# 从数组中带替换地随机选择 3 个元素
sample_with_replacement = np.random.choice(array, 3, replace=True)
print("Random sample with replacement:", sample_with_replacement)

产生的结果如下 −

Random sample with replacement: [5 3 5]

打乱数组

另一个有用的操作是随机打乱数组的元素。NumPy 提供了 numpy.random.shuffle() 函数来实现此目的。它会就地随机置换数组的元素。

示例

在以下示例中，我们使用 numpy.random.shuffle() 函数在 NumPy 中打乱一个数组 −

import numpy as np

# 定义一个数组
array = np.array([1, 2, 3, 4, 5])

# 就地打乱数组
np.random.shuffle(array)
print("Shuffled array:", array)

得到输出如下 −

Shuffled array: [4 2 3 5 1]