NumPy的np.random.rand()用法

这篇具有很好参考价值的文章主要介绍了NumPy的np.random.rand()用法。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

np.random.rand()是NumPy库中的函数,用于生成在[0, 1)区间内均匀分布的随机数,可以接受多个整数参数,用于指定生成数组的形状。文章来源地址https://www.toymoban.com/news/detail-744687.html

  1. 生成一个随机标量:
import numpy as np

random_scalar = np.random.rand()

print(random_scalar)
print(type(random_scalar))
0.20409991617026446
<class 'float'>
  1. 生成一个一维随机数组:
random_array_1d = np.random.rand(5)

print(random_array_1d)
print(type(random_array_1d))
[3.83063651e-01 3.37696745e-01 3.25521541e-04 1.02174830e-01
 1.52260494e-01]
<class 'numpy.ndarray'>
  1. 生成一个二维随机数组:
random_array_2d = np.random.rand(3, 4)

print(random_array_2d)
print(type(random_array_2d))
[[0.17820633 0.07469565 0.06193551 0.62990055]
 [0.70111109 0.40806394 0.4081677  0.22036044]
 [0.22977401 0.82057856 0.61116728 0.78780622]]
<class 'numpy.ndarray'>
  1. 生成一个多维随机数组:
random_array_3d = np.random.rand(2, 3, 4)

print(random_array_3d)
print(type(random_array_3d))
[[[0.74992816 0.75239264 0.11692434 0.9777651 ]
  [0.59274321 0.18457437 0.17713543 0.76506547]
  [0.2457787  0.32004618 0.53218236 0.85916077]]

 [[0.926343   0.52791838 0.40831638 0.83245913]
  [0.17422364 0.09666104 0.24919322 0.50269557]
  [0.02559896 0.42326947 0.79123465 0.47684072]]]
<class 'numpy.ndarray'>
  1. 在其他区间生成随机数,例如,在[a, b)区间生成随机数:
a = 5
b = 10

random_array = a + (b-a) * np.random.rand(3, 4)
print(random_array)
[[5.36916413 7.84348256 7.30944149 9.38041737]
 [6.19994777 5.09849038 9.84603643 7.90837064]
 [5.78437168 6.75113295 5.81087402 6.28795399]]

到了这里,关于NumPy的np.random.rand()用法的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。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。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Numpy || np.array()函数用法指南

    numpy ndarray对象是一个n维数组对象,ndarray只能存储一系列相同元素。 numpy.array()使用说明:object是必须输入的参数,其余为可选参数。 创建存储元素类型不同的数组: 创建生成器: 当输入的object元素有不同类型时,将保留存储空间最大的类型: 当多维数组元素个数不一致时:

    2024年01月24日
    浏览(40)
  • Python中Numpy的np.array详解

    np.array 用于创建一个新的NumPy数组对象。其语法如下: object :任何可用于初始化新数组的对象,例如列表、元组、数组等。 dtype :新数组的数据类型。如果未指定,则会从输入对象中推断数据类型。 其他参数允许进一步控制新数组的创建。 返回一个新的NumPy数组。 示例

    2024年02月08日
    浏览(38)
  • Python numpy中random函数的使用

    np.random:随机数的生成 np.random.random() np.random.random(size) np.random.random([m,n])或np.random.random((m,n)) np.random.rand(m,n) 与np.random.random((m,n))作用一样,但是参数形式不同。 np.random.randint(a,b,size) np.random.uniform(a,b,size) np.random.normal():均值为0,标准差为1【无参默认值】 np.random.normal(a,b) n

    2023年04月08日
    浏览(26)
  • Python Numpy random.normal() 正态(高斯)分布

    正态分布是最重要的分布之一。 在德国数学家卡尔·弗里德里希·高斯之后,它也被称为高斯分布。 它适合许多事件的概率分布,例如。 智商得分,心跳等 使用 random.normal() 方法获取正态数据分布。 它具有三个参数: loc -(平均)钟声峰值所在的位置。 scale -(标准偏差)图

    2024年02月16日
    浏览(30)
  • python中使用numpy包的向量矩阵相乘np.dot和np.matmul

    一直对np的线性运算不太清晰,正好上课讲到了,做一个笔记整个理解一下  在numpy中,一重方括号表示的是向量vector,vector没有行列的概念。二重方括号表示矩阵matrix,有行列。 代码显示如下: 即使[1,2,3]、[[1,2,3]]看起来内容一样 使用过程中也会有完全不一样的变化。下面

    2024年01月25日
    浏览(36)
  • 【Python】数据科学工具(Numpy Pandas np.array() 创建访问数组 向量与矩阵 Series DataFrame)

    1.Numpy numpy是Python中一个非常重要的科学计算库,其最基础的功能就是N维数组对象——ndarray。 1.1 数组的创建 1)np.array() 用 np.array() 函数可以将Python的序列对象(如列表、元组)转换为ndarray数组。 2)arange、linspace、logspace np.arange(start, stop, step) :创建一个一维数组,其中的值

    2024年02月10日
    浏览(32)
  • 深度学习中Numpy的一些注意点(多维数组;数据类型转换、数组扁平化、np.where()、np.argmax()、图像拼接、生成同shape的图片)

    a.shape=(3,2);既数组h=3,w=2 a.shape=(2,3,2);这里第一个2表示axis=0维度上的,三维数组中3,2)数组的个数,这里表示两个(3,2)数组。 这里axis=0指代哪里是很重要的知识点。深度学习中经常压缩一个维度,axis=0。 numpy.squeeze()函数。 语法:numpy.squeeze(a,axis = None);作用是将shape维度为

    2024年01月18日
    浏览(33)
  • numpy np.savetxt()的使用

    前言 使用numpy将数据保存为txt文件,并且保留所需要的位数 X : 要保存的数据 fmt :  保留的有效数字位数 delimiter : 每列的填充字符 代码如下(示例):       输出为科学计数法: 如果要每列保存不同的格式怎么办?比如像下面这样  前三列要保留小数点后4位小数  后三列保

    2024年02月11日
    浏览(31)
  • np.sin( )函数 (Numpy库)

    np.sin(a)函数:对a中元素取正弦值。a可以是ndarray数据也可以是单个数据。 当a是单个数据时,np.sin(a)返回一个数据。 当a是ndarray数据时,np.sin(a)返回一个ndarray。 在上文中的np.pi表示π,但是它不可能那么精确真的是π,因此sin(np.pi)计算机计算出来不是准确的零,而是无限接近于

    2024年02月16日
    浏览(29)
  • 【深度学习实验】NumPy的简单用法

    目录 一、NumPy介绍 1. 官网 2. 官方教程 二、实验内容 1. 导入numpy库 2. 打印版本号 3. arange 函数 4. array函数 5. reshape函数 6. 矩阵点乘(逐元素相乘) 7. 矩阵乘法       NumPy是一个常用于科学计算的Python库,尤其在深度学习和机器学习中应用广泛。 NumPyhttps://numpy.org/   NumPy:初

    2024年02月10日
    浏览(31)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包