Question

我想生成-1, 1范围内的随机数，并希望每个人都有相同的生成概率。即我不希望极端情况不太可能出现。这样做的最佳方式是什么？

到目前为止，我已经使用过：

2 * numpy.random.rand() - 1

还有：

2 * numpy.random.random_sample() - 1

Answer 1

你的方法很好。另一种方法是使用函数numpy.random.uniform()：

>>> numpy.random.uniform(-1, 1, size=10)
array([-0.92592953, -0.6045348 , -0.52860837,  0.00321798,  0.16050848,
       -0.50421058,  0.06754615,  0.46329675, -0.40952318,  0.49804386])

关于极端的可能性：如果它是理想化的，连续的随机数，得到一个极值的概率将是0.由于浮点数是连续实数的离散化，实际上有一些获得一些极端的正面概率。这是某种形式的离散化错误，几乎可以肯定，这种错误会因模拟中的其他错误而相形见绌。别担心了！

Answer 2

请注意，numpy.random.rand允许在一次调用中从统一分布生成多个样本：

>>> np.random.rand(5)
array([ 0.69093485,  0.24590705,  0.02013208,  0.06921124,  0.73329277])

它还允许生成给定形状的样本：

>>> np.random.rand(3,2)
array([[ 0.14022471,  0.96360618], 
       [ 0.37601032,  0.25528411], 
       [ 0.49313049,  0.94909878]])

正如您所说，[-1,1]之间的均匀分布的随机数可以通过以下方式生成：

>>> 2 * np.random.rand(5) - 1
array([ 0.86704088, -0.65406928, -0.02814943,  0.74080741, -0.14416581])

Answer 3

来自numpy.random.random_sample的文档：

结果来自所述间隔的“连续均匀”分布。要样本 Unif [A，b），b＆gt; a 将random_sample的输出乘以(b-a)并添加a：
 (b - a) * random_sample() + a

Per Sven Marnach的回答，文档可能需要更新以引用numpy.random.uniform。

Answer 4

为了确保包含范围 [-1, 1] 的极值，我随机生成了范围 [0, 200000001[.后一个整数的值取决于所需的最终 numpy 数据类型。在这里，我采用 numpy float64，这是用于 numpy 数组的默认类型。然后，我将 numpy 数组除以 100000000 以生成浮点数并统一减去。代码如下：

>>> import numpy as np
>>> number = ((np.random.randint(low=0, high=200000001, size=5)) / 100000000) - 1
>>> print(number)
[-0.65960772  0.30378946 -0.05171788 -0.40737182  0.12998227]

确保不要将这些 numpy 浮点数转换为 python 浮点数以避免舍入错误。

在NumPy中获取随机数的最佳方法是什么？

4 个答案: