[已收纳]python科学计算之numpy随机数工具

15195775117

一楼主要介绍3个随机处理方法：生成随机数，洗牌，抽样

#以下随机函数返回值都是3行2列的数组

x=np.random.rand(3,2)#0-1之间随机数

x=np.random.randn(3,2)#0-1之间标准正态分布随机数

x=np.random.randint(13,19,(3,2))#13-18之间随机整数一个

x=np.random.normal(10,1,(3,2))#期望=10,标准差=1的正态分布

x=np.random.uniform(1,10,(30,20))#区间[1,10]的均匀分布

x=np.random.poisson(5.0,(3,2))#泊松分布,λ=5.0,返回值为整数

#洗牌函数有2个：

x=np.random.permutation(range(10))

x=np.arange(10);np.random.shuffle(x)#覆盖式

#抽取样本：

#从数组a中抽取，replace=True允许抽取重复元素，replace=False不允许重复

#p表示每个元素的抽取概率，以下的设置中，值越大被抽中的概率越大，不设置p则所有元素等概率抽取

a=np.arange(10)+10

x=np.random.choice(a,size=(3,2),replace=True,p=a/np.sum(a))

#在生成随机数前设置随机数种子，则可以获得相同的随机数:

np.random.seed(3)

print(np.random.rand(3))

np.random.seed(3)

print(np.random.rand(4))

# [0.55 0.71 0.29]

# [0.55 0.71 0.29 0.51]

以前我也用过math库里的工具，其实跟numpy很类似，但numpy的速度比math快，所以以后我都用numpy了

网上有一些帖子证明math在处理单个值的速度比numpy快很多，我觉得比较荒谬，“时间复杂度”都是按大量数据来计算的，大量数据都是按矩阵、数组计算的啊，为什么比较单个？？