详细阐述numpy库中np.random模块下的random()函数族的具体应用方法。
更新时刻：三月十四日，上午九点十八分二十一秒；撰写者：投身于AI学习的本人。
本文详细阐述了numpy库中np.random.random()函数族的运用方法，文中通过丰富的示例代码进行了深入讲解，这些内容对于大家的学术研究或职业实践都具有显著的参考意义。有兴趣的朋友们，不妨跟随小编一同深入探究和学习。
在机器学习以及深度学习领域，我们常常会频繁接触到以下这些函数，为了确保今后能够熟练掌握它们，在此对它们进行一番归纳总结。
（一）np.random.rand()
函数括号中的参数决定了输出结果的形态，未指定时，输出的将是一个浮点数值；若指定单个数值开yun体育app官网网页登录入口kaiyun全站网页版登录，输出的将是一个numpy.ndarray类型的数组；若指定两个数值，输出的将是一个二维的numpy.ndarray类型的数组。若指定了三个或更多数组，输出的维度将与参数数量相同。其输出的每个数据点均遵循0至1的等概率分布，即输出结果中的各个数值均位于0到1的区间内。
举例说明：
import numpy as np mat = np.random.rand() print(mat) print(type(mat)) mat = np.random.rand(2) print(mat) print(type(mat)) mat = np.random.rand(3, 2) print(mat) print(type(mat))
请留意我使用红色边框标注的部分，这部分内容对应着两个打印输出，您可以通过查看程序来观察这些输出结果。
（二）np.random.randn()
这个函数与rand()函数有相似之处，但使用该函数后，所得结果将遵循均值为零、方差为一的标准正态分布，而非仅限于0到1的区间。此外，结果还可以是负数，因为标准正态分布的图形是对称于x轴的。若未指定括号内的参数，则输出的结果为浮点数；若指定一个数值，则输出结果为numpy.ndarray类型的数组；若指定两个数值，则输出结果为二维的numpy.ndarray类型的数组。与rand()函数相比，两者的性质除元素值不同外，均保持一致。
举例说明：
import numpy as np mat = np.random.randn() print(mat) print(type(mat)) mat = np.random.randn(2) print(mat) print(type(mat)) mat = np.random.randn(3, 2) print(mat) print(type(mat))
结果为：
（三）使用np.random.randint函数，可以设定一个范围，从low到high，并指定生成随机数的个数size，同时还能指定数据类型dtype。
该函数中包含了几个参数，其具体含义为：
low指的是生成元素值的最低界限，亦即下限。若未设定high参数，low同时也充当生成元素值的最高界限。
high：生成的元素值的最大值，即上限。
size：指定生成元素值的形状，也就是数组维度的大小。
在指定生成元素值的数据类型时，需明确dtype参数；若未指定该参数，系统将默认采用整数型作为数据类型。
返回的结果是一个由size个元素构成的数组，若设定了low和high这两个参数，则数组中元素的取值范围将被限定。
对于参数low至high（不含high），若未指定high，所生成的元素值区间为。
若未设定size这一参数，所生成的元素数量将仅有一个。
举例说明：
import numpy as np # 指定一个参数low 定义变量mat，其值为使用numpy库中的randint函数生成的介于1（包含）和某个上限之间的随机整数。 print(mat) print(type(mat)) 设定low和high的值，进而产生位于区间[low,high)内的数值。 定义变量mat，其值为从1到5（包含1和5）范围内随机生成的整数。 print(mat) print(type(mat)) 设定特定尺寸，构造一个由三行和三列组成的二维矩阵，其包含的元素总数为九个。 `mat` 被赋予了一个值，该值是通过 `np.random.randint` 函数生成的，范围在2到10之间，生成的形状为3x3的矩阵。 print(mat) # 查看默认元素值的类型 print(type(mat[0][0])) mat等价于通过np.random.randint函数生成的随机整数矩阵，其下限为2，上限为10，矩阵维度为3x3，数据类型为无符号8位整数。 print(mat) print(type(mat[0][0]))
结果为：
（四）使用np.random.uniform函数，可以设定一个范围云开·全站体育app登录，即最低值low和最高值high，然后根据指定的大小size生成相应范围内的随机浮点数。
参数说明：
low：生成元素值的下界，float类型，默认值为0
high：生成元素值的上界，float类型，默认值为1
样本数量：可设定一个具体数值，亦或指定一个范围，该范围需包含至少两个数值。
返回的对象为ndarray类型，其形状由size中给出的数值确定，且该数组包含的元素总数等于size参数所指定数值的乘积。
我们之前已经介绍过rand()函数，该函数输出的数值遵循0到1之间的均匀分布。但若需生成其他区间内的均匀分布，而非0-1区间，该如何操作呢？
此函数uniform()具备生成特定区间内均匀分布元素的能力，其输出的元素均为浮点数类型。值得注意的是，生成的元素值范围包括下限low，但不包括上限high。
举例说明：
import numpy as np # 指定一个参数low mat = np.random.uniform() print(mat) print(type(mat)) # 指定low和high，生成一个[low,high)的元素值 设定变量mat的值为从5到10之间的随机浮点数。 print(mat) print(type(mat)) # 指定size大小，生成一个三行三列的二维数组，元素个数为3x3=9个 初始化一个3x3的矩阵，其元素值由2到10之间的随机浮点数构成，赋值给变量mat。 print(mat) # 查看默认元素值的类型 print(type(mat[0][0])) 初始化矩阵mat，其元素由随机均匀分布的数值构成，取值范围在2到10之间，矩阵的维度为3x3x2。 print(mat) print(type(mat[0][0][0]))
结果为：
总结：以上所述均为我们常用的随机数生成方法，选择哪一种函数，需根据个人需求而定，若是要生成特定类型的随机数，则应选用相应的函数。
本文对numpy库中np.random.random()系列函数的具体用法进行了详细阐述，内容至此告一段落。如需了解更多关于numpy库及np.random.random()的相关信息，请查阅脚本之家过往发布的文章，或继续阅读下方的相关内容。我们期待着广大读者今后对脚本之家给予更多的支持与关注！
