NumPyチュートリアル(2)を使用して配列を迅速に構築

NumPyチュートリアル(2)を使用して配列ディレクトリツリーを迅速に構築

randint

randn

uniform

choice

random、random_sample、ranf、sample

rand

permutation

shuffle

NumPyチュートリアル(2)を使用して配列をすばやく構築http://www.tpleina.com/2019/05/3787622309.htmlこのセクションは比較的簡単で、NumPyの提供方法を使用して、さまざまなフォーマットの多次元配列を迅速に作成します.
randint
np.random.randint(low, high=None, size=None)
[low,high]範囲から,ランダム整数から,多次元配列を構築する

import numpy as np
#      10     ，         1~50
print(np.random.randint(1,50,10))
#   4x3    ，         1~5
print(np.random.randint(1,50, size=(4,3)))

randn
np.random.randn(d0, d1, …, dn)
標準正規分布を持つ多次元配列の生成

import numpy as np
#   
print(np.random.randn(10))
#   
print(np.random.randn(3,5))
#   
print(np.random.randn(3,5,2))

uniform
np.random.uniform(low=0.0, high=1.0, size=None)
[0,1]の範囲から浮動小数点数をランダムに抽出し,多次元配列を構築する

import numpy as np
#      10     ，         0~1
print(np.random.uniform(size=10))
#      10     ，         01~12    
print(np.random.uniform(1, 12, size=10))
#   4x3    
print(np.random.uniform(size=(4,3)))
#   4x3    ,     1~12    
print(np.random.uniform(1, 12, size=(4,3)))

choice
np.random.choice(arr, size=None, replace=True)
a(配列)からsize(次元)サイズの乱数を選択し、replace=Trueは再抽出可能

import numpy as np
np.random.choice(np.arange(20), (3,3), True)

random、random_sample、ranf、sample
np.random.random(size=None)
[0.0,1.0]の間の浮動小数点数を生成
同じ使い方でnp.random.random_sample、np.random.ranf、np.random.sampleただしnp.random.sampleは重複データを抽出できません

import numpy as np
#   
print(np.random.random(10))
#   
print(np.random.random((3,5)))
#   
print(np.random.random((3,5,2)))

rand
np.random.rand(d0, d1, …, dn)
多次元配列を生成し、要素ごとに0~1浮動小数点数をとる

import numpy as np
#   
print(np.random.rand(10))
#   
print(np.random.rand((3,5)))
#   
print(np.random.rand((3,5,2)))

permutation
np.random.permutation(x)
xの要素をランダムに乱す
xが整数であればarange(x)を乱し、xが配列であればxをコピーし、コピーを乱し、配列の1次元のみを乱す

import numpy as np
print(np.random.permutation(10))
arr = np.arange(15).reshape(3,5)
#          ，     
print(np.random.permutation(arr))

shuffle
np.random.shuffle(x)
permutation機能と同様に、xの要素をランダムに乱す
違いはpermutationがxを複製し、新しいxを乱し、元のxに影響を与えないが、shuffleは元のxを乱す.

import numpy as np
arr = np.arange(10)
print(arr)
arr1 = arr.copy()
np.random.shuffle(arr)
print(arr)
print(arr1)
arr1 = arr1.reshape(5,2)
print(arr1)
np.random.shuffle(arr1)
print(arr1)