numpy的随机数操作——random模块

其随机数生成方式利用的是梅森旋转算法生成的伪随机数。相比于python标准库的random模块，numpy中的包含更多的分布以供选择。

随机数生成器

1. 生成器种子设置

seed(self, seed=None)

2. 生成器内部状态

get_state()

3. 生成器内部状态设置：

set_state(state)

参数：state :——有两种数据类型可选{tuple(str, ndarray of 624 uints, int, int, float), dict}，具体不做描述。

各种分布

当需要其中分布对应的标准分布时，用 “standard_对应的分布名称即可”

1. beta 分布：

a，b分布为分布的参数，size为一元组。

beta(a, b, size=None)

2. 二项分布：

binomial(n, p, size=None)

3. 卡方分布：

chisquare(df, size=None)

4. 狄利克雷分布：

dirichlet(alpha, size=None)

5. 指数分布：

$f(x;\frac{1}{\beta })=\frac{1}{\beta }\exp (-\frac{x}{\beta })$

exponential(scale=1.0, size=None)

6. F分布：

f(dfnum, dfden, size=None)

7. 伽马分布：

gamma(shape, scale=1.0, size=None)

8. 几何分布：

geometric(p, size=None)

9. Gumbel 分布：

gumbel(loc=0.0, scale=1.0, size=None)

10. 超几何分布：

hypergeometric(ngood, nbad, nsample, size=None)

11. 拉普拉斯分布：

laplace(loc=0.0, scale=1.0, size=None)

12. Logistic分布：

logistic(loc=0.0, scale=1.0, size=None)

13. 对数正态分布：

lognormal(mean=0.0, sigma=1.0, size=None)

14. 对数级数分布：

logseries(p, size=None)

15. 多项式分布：

参数：n —— 实验次数
pvals —— 浮点数序列，长度为 p，第 p 个不同输出对应的概率，这些序列之和必须为1（通常假定最后一个 p 为剩余所有元素的概率，但需满足和小于等于 1 ）。

multinomial(n, pvals, size=None)

16. 多元正态分布：

参数：mean —— 若为一维数组，长度为 N；
cov —— 协方差，则应为 2维数组，长度 N*N；
check_valid ——{ ‘warn’, ‘raise’, ‘ignore’ }：进行判断，当协方差矩阵为非正定时；

multivariate_normal(mean, cov, size=None, check_valid='warn', tol=1e-8)

16. 负二项分布：

negative_binomial(n, p, size=None)

17. 非中心卡方分布：

noncentral_chisquare(df, nonc, size=None)

18. 非中心 F 分布：

noncentral_f(dfnum, dfden, nonc, size=None)

19. 正态分布：

normal(loc=0.0, scale=1.0, size=None)

20. Lomax 分布：

pareto(a, size=None)

21. 泊松分布：

poisson(lam=1.0, size=None)

22. power 分布：

power(a, size=None)

23. 瑞利分布：

rayleigh(scale=1.0, size=None)

24. 标准 t 分布：

standard_t(df, size=None)

25. 矩形分布：

参数：mode——尖峰所在位置，在 left 和 right 之间；

triangular(left, mode, right, size=None)

26. 均匀分布：

uniform(low=0.0, high=1.0, size=None)

27. von Mises 分布：

vonmises(mu, kappa, size=None)

28. Wald分布（反正态分布）：

wald(mean, scale, size=None)

29. weibull分布：

weibull(a, size=None)

30. Zipf分布：

zipf(a, size=None)

操作

1. 从以供一维数组中随机选择一个样本：

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

参数：
a —— 如果是数组，则从数组元素中随机选取一个；若为一个整型，则从数组 np.arange(a)中随机选择一个；
replace —— 布尔值，样本是否被替代；
p —— 一维数组，是 a 中每个元素被选择的概率；若为 None，则 a 中每个元素被选择的概率都相同；

2. 对一个序列进行随机交换，顺序重排：

permutation(x)

参数：x —— 若 x 为整数，则对 np.arange(x) 进行重排；若为数组，则直接重排（copy后重排）；

3. 随机生成一个任意维的随机数序列（从均匀分布 [0,1)中获得）

：其中 dn 为第 n 维的数目；

rand(d0, d1, ..., dn)

4. 获取一个随机整数分布（从一个半开的离散分布 [low,high)中获得）：

randint(low, high=None, size=None, dtype=int)

5. 随机生成一个任意维的随机数序列（从标准正态分布中获得）：

其中 dn 为第 n 维的数目；

randn(d0, d1, ..., dn)

6. 对一个序列内部元素重排：x 必须为数组

shuffle(x)