python数据分析（Numpy随机数）

这里要介绍一个numpy.random()函数，该函数包含多种概率分布的随机样本，是数据分析辅助的重点工具之一，我们来看下它的强大之处。

numpy.random.rand()：生成一个[0，1）之间的N维随机浮点数组（均匀分布）

import numpy as np

a = np.random.rand()  # 生成一个随机浮点数

b = np.random.rand(4) # 生成形状为4的一维数组

c = np.random.rand(2,3) # 生成形状为2*3的二维数组，注意这里不是((2,3))

numpy.random.randn()：生成一个浮点数或N维浮点数组（正态分布）

import numpy as np

a=np.random.randn()  #生成一个浮点数

b=np.random.randn(2)  #生成形状维2的一维数组

c=np.random.randn(3,4) #生成形状为[3,4]的二维数组

关于正态分布，python中自带的random模块也可以生成一个正态分布的随机数组，调用random.normal()方法即可,其与numpy中的.random.randn()效果是一样的。代码如下：

import random

samples = np.random.normal(size=(4,4))
print(samples)
# 生成一个标准正太分布的4*4样本值

numpy.random.randint()：生成一个整数或N维数组

# numpy.random.randint(low, high=None, size=None, dtype='l')：生成一个整数或N维整数数组
# 若high不为None时，取[low,high)之间随机整数，否则取值[0,low)之间随机整数，且high必须大于low 
# dtype参数：只能是int类型  

print(np.random.randint(2))
# low=2：生成1个[0,2)之间随机整数  

print(np.random.randint(2,size=5))
# low=2,size=5 ：生成5个[0,2)之间随机整数

print(np.random.randint(2,6,size=5))
# low=2,high=6,size=5：生成5个[2,6)之间随机整数  

print(np.random.randint(2,size=(2,3)))
# low=2,size=(2,3)：生成一个2x3整数数组,取数范围：[0,2)随机整数 

print(np.random.randint(2,6,(2,3)))
# low=2,high=6,size=(2,3)：生成一个2*3整数数组,取值范围：[2,6)随机整数

如果你不清楚均匀分布与随机分布的区别，可以导入matplotlib模块作个图看下区别：

import matplotlib.pyplot as plt  # 导入matplotlib模块，用于图表辅助分析
% matplotlib inline 
# 魔法函数，每次运行自动生成图表

samples1 = np.random.rand(1000)
samples2 = np.random.rand(1000)
plt.scatter(samples1,samples2)
# 生成1000个均匀分布的样本值

samples3 = np.random.randn(1000)
samples4 = np.random.randn(1000)
plt.scatter(samples3,samples4)
# 生成1000个正太的样本值

运行结果如下：
python数据分析（Numpy随机数）

区别就很明显啦，关于matplotlib模块，后面会单独说，大家关注下。