1. 使用 random 包生成随机数
可以生成
均匀分布，
高斯分布，（包括正态分布）
指数分布，（与泊松分布有区别：泊松分布表示一段时间发生多少次，而指数分布表示两次发生的时间间隔）
贝塔分布，
韦布尔分布的随机数
由此可见，random 包支持的随机分布比较有限，功能较少.
例如：
(1) 生成 [1, 10] 内的均匀分布随机数
import random
random.uniform(1, 10)
Out[29]: 9.79867265758995
(2) 生成 [1, 10] 内的随机整数
random.randint(1, 10)
Out[30]: 2
(3) 生成一个正态分布的随机数，均值为 5， 标准差为 1
random.gauss(5, 1)
Out[32]: 4.933013260084848
(4) 生成一个指数分布的随机数，均值为 5
random.expovariate(0.2)
Out[37]: 4.670169382329602
2. 使用 numpy 包生成随机数
numpy 包的 random 方法基本支持所有分布，并且能够一次生成多行多列的随机数.
例如：
(1) 生成 [1, 10] 内的均匀分布随机数， 2 行 2 列
import numpy as np
np.random.uniform(1, 10, [2,2])
Out[46]:
array([[9.72571265, 9.37758659],
[9.92487471, 9.37467146]])
(2) 生成 [1, 10] 内的随机整数， 2 行 2 列
np.random.randint(1, 10, [2,2])
Out[47]:
array([[6, 6],
[8, 7]])
(3) 生成一个正态分布的随机数，均值为 5， 标准差为 1， 2 行 2 列
np.random.normal(5, 1, [2,2])
Out[48]:
array([[3.74927889, 5.75561821],
[4.8353383 , 5.58410519]])
(4) 生成一个泊松分布的随机数，均值为 5， 2 行 2 列
np.random.poisson(5, [2,2])
Out[49]:
array([[7, 3],
[4, 7]])
(4) 生成一个指数分布的随机数，均值为 5， 2 行 2 列
np.random.exponential(5, [2,2])
Out[57]:
array([[3.06834959, 2.70350511],
[6.81427455, 2.91453029]])
3. 使用 scipy 包生成随机数
用 scipy 包不同分布函数自带的 rvs 生成随机数，例如，生成一个正态分布的 2 行 2 列随机数，均值为 5， 标准差为 1：
>>> import scipy.stats as st
>>> st.norm.rvs(loc=5, scale=1, size=[2,2])
array([[3.96964463, 4.14137383],
[6.36342893, 3.99992325]])
生成一个泊松分布的 2 行 2 列随机数，均值为 5：
>>> st.poisson.rvs(mu=5, size=[2,2])
array([[5, 7],
[3, 9]])
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/185696.html原文链接：https://javaforall.net
