我想生成-1, 1 范围内的随机数，并希望每个随机数具有相同的生成概率。 IE。我不希望极端情况不太可能出现。这样做的最佳方法是什么？
到目前为止，我已经使用过：
2 * numpy.random.rand() - 1
还有：
2 * numpy.random.random_sample() - 1
【问题讨论】：
你的方法很好。另一种方法是使用函数numpy.random.uniform()：
>>> numpy.random.uniform(-1, 1, size=10)
array([-0.92592953, -0.6045348 , -0.52860837, 0.00321798, 0.16050848,
-0.50421058, 0.06754615, 0.46329675, -0.40952318, 0.49804386])
关于极值的概率：如果将其理想化为连续随机数，则获得一个极值的概率将为 0。由于浮点数是连续实数的离散化，因此实际上存在一些获得某些极端的正概率。这是某种形式的离散化误差，几乎可以肯定，这个误差会被您的模拟中的其他误差所抵消。别担心！
【讨论】：
-1.0和1.0作为边界，这是真的。对于其他值，上边界也可能由于舍入而产生（我知道文档说的是其他内容，但文档是错误的）。无论如何，达到任何个边界值的机会都可以忽略不计，因此只有在您想避免某些错误状态（例如除以零）时，这在实践中才有意义。
请注意，numpy.random.rand 允许一次调用从均匀分布生成多个样本：
>>> np.random.rand(5)
array([ 0.69093485, 0.24590705, 0.02013208, 0.06921124, 0.73329277])
它还允许生成给定形状的样本：
>>> np.random.rand(3,2)
array([[ 0.14022471, 0.96360618],
[ 0.37601032, 0.25528411],
[ 0.49313049, 0.94909878]])
正如你所说，[-1, 1) 之间的均匀分布随机数可以通过以下方式生成：
>>> 2 * np.random.rand(5) - 1
array([ 0.86704088, -0.65406928, -0.02814943, 0.74080741, -0.14416581])
【讨论】：
来自numpy.random.random_sample 的文档：
结果来自规定区间内的“连续均匀”分布。要采样 Unif[A, b), b > a 将 random_sample 的输出乘以
(b-a)并加上a：(b - a) * random_sample() + a
根据 Sven Marnach 的回答，文档可能需要更新以引用 numpy.random.uniform。
【讨论】：
为了确保包含范围 [-1, 1] 的极值，我随机生成一个范围为 [0, 200000001[ 的整数的 numpy 数组。后一个整数的值取决于所需的最终 numpy 数据类型。在这里，我采用 numpy float64，这是用于 numpy 数组的默认类型。然后，我将 numpy 数组除以 100000000 以生成浮点数并减去单位。代码如下：
>>> import numpy as np
>>> number = ((np.random.randint(low=0, high=200000001, size=5)) / 100000000) - 1
>>> print(number)
[-0.65960772 0.30378946 -0.05171788 -0.40737182 0.12998227]
确保不要将这些 numpy 浮点数转换为 python 浮点数以避免舍入错误。
【讨论】：