使用Python NumPy生成隨機數組的方法

NumPy是用Python進行科學計算的基礎軟件包之一。NumPy為Python提供了大量對多維數組和矩陣運算的支持。本文將介紹如何使用NumPy來生成各種類型的隨機數組。

一、一維隨機數組生成

我們可以使用NumPy中的random模塊生成一維的隨機數組。以下是生成均勻分布和正態分布的一維隨機數組的示例代碼：

>>> import numpy as np
>>> # 生成均勻分布的一維隨機數組
>>> uniform_arr = np.random.rand(10)
>>> print(uniform_arr)

>>> # 生成正態分布的一維隨機數組
>>> normal_arr = np.random.randn(10)
>>> print(normal_arr)

代碼中，np.random.rand(n)生成大小為n的[0,1)之間的均勻分布的隨機數；np.random.randn(n)生成大小為n的標準正態分布的隨機數。

二、二維隨機數組生成

使用NumPy生成二維隨機數組也非常簡單，我們只需在生成隨機數組時指定shape參數即可。以下是一些常見的二維隨機數組生成方式：

1. 生成均勻分布的二維隨機數組

以下代碼示例展示了如何生成均勻分布的二維隨機數組：

>>> # 生成大小為3行4列的均勻分布的隨機數組
>>> uniform_arr = np.random.rand(3, 4)

>>> # 輸出生成的隨機數組
>>> print(uniform_arr)

代碼中，np.random.rand(m,n)生成大小為m×n的[0,1)之間的均勻分布的隨機數。

2. 生成標準正態分布的二維隨機數組

下面的代碼展示如何生成標準正態分布的二維隨機數組：

>>> # 生成大小為2行3列的標準正態分布的隨機數組
>>> normal_arr = np.random.randn(2, 3)

>>> # 輸出生成的隨機數組
>>> print(normal_arr)

代碼中，np.random.randn(m,n)生成大小為m×n的標準正態分布的隨機數。

3. 生成指定範圍的二維隨機數組

通過指定隨機數生成的範圍可以得到我們需要的二維隨機數組。以下是指定範圍生成隨機數組的示例代碼：

>>> # 生成大小為2行3列，數值在[0, 10)範圍內的隨機數組
>>> rand_arr = np.random.randint(0, 10, size=(2, 3))

>>> # 輸出生成的隨機數組
>>> print(rand_arr)

代碼中，np.random.randint(low, high=None, size=None, dtype=’l’)生成大小為size的隨機整數數組，其中low指定隨機數下界，high指定上界，size是一個整數或元組，dtype指定返回數組的數據類型。

三、生成符合特定要求的隨機數組

在實際的數據分析領域中，常常需要生成符合特定分布、均值、標準差等要求的隨機數組。下面通過一些常見的需求例子來演示如何實現：

1. 生成符合正態分布的隨機數組

以下代碼展示了如何生成均值為μ，標準差為σ的正態分布隨機數組：

>>> # 生成均值為3，標準差為1的正態分布隨機數組
>>> mu, sigma = 3, 1
>>> normal_arr = np.random.normal(mu, sigma, size=5)
>>> print(normal_arr)

代碼中，np.random.normal(loc=0.0, scale=1.0, size=None)生成均值為loc，標準差為scale的正態分布隨機數。

2. 生成符合泊松分布的隨機數組

泊松分布是一種用於描述事件發生次數的概率分布。以下代碼展示了如何生成符合泊松分布的隨機數組：

>>> # 生成平均發生率為3的泊松分布隨機數組
>>> lam = 3
>>> poisson_arr = np.random.poisson(lam, size=5)
>>> print(poisson_arr)

代碼中，np.random.poisson(lam=1.0, size=None)生成平均發生率為lam的泊松分布隨機數。

3. 生成符合二項分布的隨機數組

二項分布是一種用於描述成功次數的概率分布。以下代碼展示了如何生成符合二項分布的隨機數組：

>>> # 生成n=5，p=0.5的二項分布隨機數組
>>> n, p = 5, 0.5
>>> binomial_arr = np.random.binomial(n, p, size=5)
>>> print(binomial_arr)

代碼中，np.random.binomial(n, p, size=None)生成n次試驗中成功概率為p的二項分布隨機數。

4. 生成符合指定概率分布的隨機數組

NumPy中還支持其他很多概率分布的隨機數生成，例如：指數分布、常見的離散型分布（如超幾何分布、卡方分布、F分布、t分布等）。以下代碼演示如何生成符合超幾何分布的隨機數組：

>>> # 生成符合超幾何分布的隨機數組
>>> hypergeom_arr = np.random.hypergeometric(10, 5, 3, size=5)
>>> print(hypergeom_arr)

代碼中，np.random.hypergeometric(ngood, nbad, nsample, size=None)生成符合超幾何分布的隨機數，其中ngood表示總體中好的物品數量，nbad表示差的物品數量，nsample表示抽取的樣本數量。

總結

NumPy提供了豐富的隨機數生成功能，我們可以輕鬆地生成各種形狀、大小、分布的隨機數，這對於模擬實驗、數據分析和機器學習等領域都非常有用。以上內容僅是NumPy隨機數生成的入門介紹，更多高級用法請參考官方文檔。