怎么用numpy.random.uniform實現均勻分布

這篇文章主要介紹“怎么用numpy.random.uniform實現均勻分布”，在日常操作中，相信很多人在怎么用numpy.random.uniform實現均勻分布問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”怎么用numpy.random.uniform實現均勻分布”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

numpy.random.uniform介紹：

1. 函數原型：  numpy.random.uniform(low,high,size)

功能：從一個均勻分布[low,high)中隨機采樣，注意定義域是左閉右開，即包含low，不包含high.

參數介紹: 
    
    low: 采樣下界，float類型，默認值為0；
    high: 采樣上界，float類型，默認值為1；
    size: 輸出樣本數目，為int或元組(tuple)類型，例如，size=(m,n,k), 則輸出m*n*k個樣本，缺省時輸出1個值。

返回值：ndarray類型，其形狀和參數size中描述一致。

這里順便說下ndarray類型，表示一個N維數組對象，其有一個shape（表維度大小）和dtype（說明數組數據類型的對象），使用zeros和ones函數可以創建數據全0或全1的數組，原型：

    numpy.ones(shape,dtype=None,order='C'),
其中，shape表數組形狀（m*n）,dtype表類型,order表是以C還是fortran形式存放數據。

2. 類似uniform,還有以下隨機數產生函數：

    a. randint: 原型：numpy.random.randint(low, high=None, size=None, dtype='l')，產生隨機整數；
    b. random_integers: 原型： numpy.random.random_integers(low, high=None, size=None)，在閉區間上產生隨機整數；
    c. random_sample: 原型： numpy.random.random_sample(size=None)，在[0.0,1.0)上隨機采樣；
    d. random: 原型： numpy.random.random(size=None)，和random_sample一樣，是random_sample的別名；
    e. rand: 原型： numpy.random.rand(d0, d1, ..., dn)，產生d0 - d1 - ... - dn形狀的在[0,1)上均勻分布的float型數。
    f. randn: 原型：numpy.random.randn（d0,d1,...,dn),產生d0 - d1 - ... - dn形狀的標準正態分布的float型數。

到此，關于“怎么用numpy.random.uniform實現均勻分布”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！