numpy生成随机数简易教程

在Python的数据科学和数值计算领域，numpy是一个非常强大的库。它提供了丰富的功能，其中生成随机数是一项常用且重要的操作。本文将为你介绍使用numpy生成随机数的简易方法。

我们需要导入numpy库。在Python中，可以使用以下代码导入：

import numpy as np

生成均匀分布的随机数

均匀分布是指在给定区间内，每个数值出现的概率相等。使用numpy的 random.rand 函数可以生成均匀分布的随机数。例如，生成一个包含5个随机数的一维数组：

random_numbers = np.random.rand(5)
print(random_numbers)

如果要生成二维数组，只需指定行数和列数，如生成一个3行4列的二维数组：

random_matrix = np.random.rand(3, 4)
print(random_matrix)

生成正态分布的随机数

正态分布（高斯分布）在统计学中非常常见。numpy的 random.randn 函数用于生成服从标准正态分布（均值为0，标准差为1）的随机数。例如，生成一个包含10个随机数的一维数组：

normal_random_numbers = np.random.randn(10)
print(normal_random_numbers)

若要生成指定均值和标准差的正态分布随机数，可以使用 random.normal 函数。例如，生成均值为5，标准差为2的10个随机数：

custom_normal_numbers = np.random.normal(5, 2, 10)
print(custom_normal_numbers)

生成随机整数

当需要生成随机整数时，可以使用 random.randint 函数。它接受一个或两个参数，分别表示最小值和最大值（不包含最大值）。例如，生成1到100之间的5个随机整数：

random_integers = np.random.randint(1, 100, 5)
print(random_integers)

通过numpy提供的这些函数，我们可以方便地生成各种类型的随机数，满足不同的需求。无论是进行模拟实验、数据采样还是其他需要随机数据的任务，numpy都能提供高效且灵活的解决方案。掌握这些基本方法，将有助于你在数据处理和分析中更加得心应手。