在numpy中生成随机数的函数之间的区别答案

【问题标题】：Difference between functions generating random numbers in numpy在numpy中生成随机数的函数之间的区别
【发布时间】：2015-08-26 02:07:31
【问题描述】：

我试图了解这些功能之间的区别（如果有的话）：

numpy.random.rand()

numpy.random.random()

numpy.random.uniform()

似乎他们从均匀分布中产生了一个随机样本。那么，函数中不带任何参数，有什么区别吗？

【问题讨论】：

标签： python numpy random

【解决方案1】：

numpy.random.uniform(low=0.0, high=1.0, size=None) - 来自任意范围的统一样本

从均匀分布中抽取样本。
样本均匀分布在半开区间[low, high)（包括低点，但不包括高点）。换句话说，给定区间内的任何值都同样可能被uniform绘制。

numpy.random.random(size=None) - 0和1之间的均匀分布

返回半开区间内的随机浮点数[0.0, 1.0)。
结果来自规定区间内的“连续均匀”分布。要对Unif[a, b)、b > a 进行采样，乘以 random_sample by (b-a) 的输出并添加 a：
(b - a) * random_sample() + a

numpy.random.rand(d0, d1, ..., dn) - 从均匀分布中采样以填充给定形状的数组

给定形状的随机值。
创建一个给定形状的数组，并使用来自[0, 1) 上的均匀分布的随机样本进行传播。

为了回答您的其他问题，给定所有默认参数，numpy.random.uniform、numpy.random.random 和 numpy.random.rand 的所有函数都是相同的。

【讨论】：

附带说明，numpy.random 中的所有函数都填充数组而不是创建单个值（如果未指定形状，则它们返回单个值）。 np.random.rand 和 np.random.random 之间的主要区别在于如何指定数组的形状。 data = np.random.random([10, 10]) 而不是 data = np.random.rand(10, 10)。

【解决方案2】：

简答

没有参数，三个函数是等价的，产生一个范围为[0.0,1.0)的随机浮点数。

详情

numpy.random.rand 是一个便捷函数，它接受任意数量的参数作为维度。它与其他 numpy.random 函数、numpy.zeros 和 numpy.ones 的不同之处还在于，所有其他函数都接受形状，即 N 元组（指定为 Python 列表或元组）。以下两行产生相同的结果（尽管有随机种子）：

import numpy as np
x = np.random.random_sample((1,2,3)) # a single tuple as parameter
x = np.random.rand(1,2,3) # integers as parameters

numpy.random.random 是numpy.random.random_sample 的别名。

numpy.random.uniform 允许您使用 low 和 high 关键字参数指定分布的限制，而不是使用默认的 [0.0,1.0)。

【讨论】：

numpy.random.rand 旨在模仿 MATLAB 的 rand 函数，顺便说一句，该函数现在也接受形状作为参数。