引言

在机器学习还有深度学习中，经常会用到这几个函数，为了便于以后熟练使用，现在对这几个函数进行总结。

np.random.rand()

该函数括号内的参数指定的是返回结果的形状，如果不指定，那么生成的是一个浮点型的数；如果指定一个数，那么生成的是一个numpy.ndarray类型的数组；如果指定两个数字，那么生成的是一个二维的numpy.ndarray类型的数组。如果是两个以上的数组，那么返回的维度就和指定的参数的数量个数一样。其返回结果中的每一个元素是服从0~1均匀分布的随机样本值，也就是返回的结果中的每一个元素值在0-1之间。

import numpy as npmat = 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))0.3302456019848581
<class 'float'>
[0.29082465 0.06080064]
<class 'numpy.ndarray'>
[[0.97332433 0.26962929][0.14822891 0.48075266][0.51435701 0.6777654 ]]
<class 'numpy.ndarray'>

np.random.randn()

该函数和rand()函数比较类似，只不过运用该函数之后返回的结果是服从均值为0，方差为1的标准正态分布，而不是局限在0-1之间，也可以为负值，因为标准正态分布的曲线是关于x轴对阵的。
其括号内的参数如果不指定，那么生成的是一个浮点型的数；如果指定一个数，那么生成的是一个numpy.ndarray类型的数组；如果指定两个数字，那么生成的是一个二维的numpy.ndarray类型的数组。和rand()相比，除了元素值不一样，其他的性质是一样的。

举例说明：

import numpy as npmat = 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))-0.21972623884742504
<class 'float'>
[-0.44100389 -0.60992345]
<class 'numpy.ndarray'>
[[ 1.33705353 -2.1104243 ][ 0.1205673  -1.17654688][-0.71155393  0.89750309]]
<class 'numpy.ndarray'>

np.random.randint(low，high，size，dtype)

• low：生成的元素值的最小值，即下限，如果没有指定high这个参数，则low为生成的元素值的最大值。
• 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。
• dtype：指定生成的元素值的类型，如果不指定，默认为整数型

返回结果：返回值是一个大小为size的数组，如果指定了low和high这两个参数，那么生成的元素值的范围为[low,high)，不包括high；如果不指定high这个参数，则生成的元素值的范围为[0,low)。如果不指定size这个参数，那么生成的元素值的个数只有一个。

import numpy as np
# 指定一个参数low
mat = np.random.randint(low=1)
print(mat)
print(type(mat))# 指定low和high，生成一个[low,high)的元素值
mat = np.random.randint(low=1, high=5)
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
mat = np.random.randint(low=2, high=10, size=(3, 3))
print(mat)
# 查看默认元素值的类型
print(type(mat[0][0]))mat = np.random.randint(low=2, high=10, size=(3, 3), dtype=np.uint8)
print(mat)
print(type(mat[0][0]))0
<class 'int'>
2
<class 'int'>
[[9 7 9][2 7 9][4 6 3]]
<class 'numpy.int32'>
[[3 6 8][8 2 4][9 7 7]]
<class 'numpy.uint8'>

np.random.uniform(low，high，size)

• 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
• size：输出样本的数目，可以指定一个值，也可指指定大于等于两个值
• 返回对象：ndarray类型，形状为size中的数值指定，其元素个数为size指定的参数的乘积

我们前面已经说过了rand()这个函数，它返回的元素值是服从0-1的均匀分布，那如果不想要生成的是0-1范围内的均匀分布，想要其它范围内的均匀分布怎么办呢。

uniform()实现了这个功能，它可以生成服从指定范围内的均匀分布的元素。其返回值的元素类型为浮点型。需注意的是元素值的范围包含low，不包含high。

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
mat = np.random.uniform(low=5, high=10)
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
mat = np.random.uniform(low=2, high=10, size=(3, 3))
print(mat)
# 查看默认元素值的类型
print(type(mat[0][0]))mat = np.random.uniform(low=2, high=10, size=(3, 3, 2))
print(mat)
print(type(mat[0][0][0]))0.30890343025056644
<class 'float'>
6.179533175254239
<class 'float'>
[[4.78938242 2.6997556  9.57992305][4.54539736 2.29297774 5.67460754][2.16260941 9.79336582 3.88221078]]
<class 'numpy.float64'>
[[[6.95629018 9.09524542][5.5167461  8.58762047][9.96385597 4.94498637]][[7.39177209 6.52374891][3.58829809 3.81779054][3.03570073 8.53538727]][[4.08470882 5.27155178][3.49804102 4.4184242 ][5.27197221 4.7202293 ]]]
<class 'numpy.float64'>

参考文献

• https://blog.csdn.net/BaoITcore/article/details/125273828