使用Python Numpy生成高效隨機數

一、Python Numpy簡介

Python Numpy是一個基於Python語言的開源科學計算庫，其最重要的特點是提供了一種多維數組對象（ndarray），用於高效地存儲和操作大型數據集合，同時還提供了大量的數學函數庫。

在數據科學領域，隨機數非常常見，可以用來生成模擬數據、初始化模型參數、進行採樣等。而Python Numpy中提供了一系列的隨機數生成函數，可以快速、高效地生成高質量的隨機數。

二、Python Numpy隨機數生成函數

Python Numpy中的隨機數函數有兩類：一類是生成特定分布的隨機數函數，比如均勻分布、正態分布、泊松分布等；另一類是生成隨機整數的函數。

三、均勻分布

均勻分布是指在相同的區間內，各個數值出現的可能性相等，是一種最簡單的概率分布。Python Numpy中的均勻分布函數為np.random.uniform，其函數原型為：

numpy.random.uniform(low=0.0, high=1.0, size=None)

參數說明：

• low：生成的隨機數的最小值
• high：生成的隨機數的最大值
• size：生成隨機數的數目或形狀，默認為None，表示返回單個隨機數

示例代碼：

import numpy as np

# 生成一個均勻分布的隨機數
random_num = np.random.uniform()
print(random_num)

# 生成一個均勻分布的隨機數組，形狀為(2, 3)
random_arr = np.random.uniform(low=0, high=10, size=(2, 3))
print(random_arr)

四、正態分布

正態分布是自然界中非常常見的概率分布，其形態呈現鐘形曲線，在數據科學領域中也被廣泛使用。Python Numpy中的正態分布函數為np.random.normal，其函數原型為：

numpy.random.normal(loc=0.0, scale=1.0, size=None)

參數說明：

• loc：分布的均值（即期望值）
• scale：分布的標準差
• size：生成隨機數的數目或形狀，默認為None，表示返回單個隨機數

示例代碼：

import numpy as np

# 生成一個正態分布的隨機數
random_num = np.random.normal()
print(random_num)

# 生成一個正態分布的隨機數組，形狀為(2, 3)
random_arr = np.random.normal(loc=0, scale=1, size=(2, 3))
print(random_arr)

五、隨機整數

在一些數據科學領域中，需要生成隨機整數。Python Numpy提供了兩個用於生成隨機整數的函數，分別是np.random.randint和np.random.shuffle。

六、np.random.randint

np.random.randint可以生成一個指定區間內的隨機整數。其函數原型為：

numpy.random.randint(low, high=None, size=None, dtype='I')

參數說明：

• low：生成的隨機整數的最小值（包含）
• high：生成的隨機整數的最大值（不包含），默認為None，表示隨機整數的範圍為[0, low)
• size：生成隨機整數的數目或形狀，默認為None，表示返回單個隨機整數
• dtype：生成隨機整數的數據類型

示例代碼：

import numpy as np

# 生成一個指定範圍[0, 10)的隨機整數
random_int = np.random.randint(10)
print(random_int)

# 生成一個指定範圍[0, 100)的5個隨機整數組成的一維數組
random_arr = np.random.randint(100, size=5)
print(random_arr)

# 生成一個指定範圍[0, 100)的(2, 3)形狀的隨機整數數組
random_arr = np.random.randint(100, size=(2, 3))
print(random_arr)

七、np.random.shuffle

np.random.shuffle可以對數組進行隨機排列，即將數組中的元素打亂。其函數原型為：

numpy.random.shuffle(x)

參數說明：

• x：要打亂的數組

示例代碼：

import numpy as np

# 生成一維數組並打亂順序
arr = np.arange(10)
np.random.shuffle(arr)
print(arr)

# 生成二維數組並打亂每一行的順序
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
np.apply_along_axis(np.random.shuffle, 1, arr)
print(arr)

八、總結

Python Numpy提供了一系列的隨機數生成函數，可以方便、高效地生成高質量的隨機數。我們可以使用這些函數來生成模擬數據、初始化模型參數、進行採樣等。在具體使用時，需要根據具體需求選擇不同的隨機數函數。

示例代碼：

# 生成一個均勻分布的隨機數組，形狀為(2, 3)
random_arr1 = np.random.uniform(low=0, high=1, size=(2, 3))

# 生成一個正態分布的隨機數組，形狀為(2, 3)
random_arr2 = np.random.normal(loc=0, scale=1, size=(2, 3))

# 生成一個指定範圍[0, 100)的(2, 3)形狀的隨機整數數組
random_arr3 = np.random.randint(100, size=(2, 3))

print(random_arr1)
print(random_arr2)
print(random_arr3)