Question

如何使用Numpy以0.5和5.0之间的步长随机获得3个浮点数？

我尝试如下：

np.random.uniform(5.0,9.0)

但它不包括'step'参数。

编辑： Python random.randrange提供了使用'step'的方法。但它只适用于整数。

random.randrange(start, stop[, step])

我想得到3个这样的数字：

预期结果应如下：

ans = [5.5, 6.0, 8.5]

Answer 1

只是分开......

val = np.random.randint(2*5,2*9)/2.

randint返回一个在[10,18]范围内的均匀分布的整数，然后你只需要浮动除以2.这样做的好处是相当快：

In [120]: %timeit np.random.randint(2*5,2*9)/2.
1000000 loops, best of 3: 329 ns per loop

In [121]: %timeit 0.5 * ceil(2.0 * np.random.uniform(5.0, 9.0))
100000 loops, best of 3: 4.61 µs per loop

为了使这更通用：

def rand_with_step(low,high,step,count=1,bias=False):
    n = 1/step
    if count > 1:
        val = np.random.randint(low*n,high*n,count)*step
    else:
        val= np.random.randint(low*n,high*n)*step

    if bias:
        bias = ceil(low/step)*step - low
    else:
        bias = 0
    return val - bias

此处，偏差标志确定是否从low的值开始计算步数。

例如：

In [190]: rand_with_step(5,9,0.11,1,True)
Out[190]: 7.31

这应该是正确的，因为（7.31 - 5）/0.11 = 29是该步骤的完整倍数。

值得注意的是，即使使用预先计算的数字池，这种方法也比np.random.choice更快（尽管我不清楚为什么）。

In [343]: x = np.arange(5, 9, 0.5)

In [344]: %timeit np.random.choice(x,size=3)
10000 loops, best of 3: 29.7 µs per loop

In [345]: %timeit rand_with_step(5,9,0.5,3,True)
10000 loops, best of 3: 25.3 µs per loop

Answer 2

我可能会使用类似@ ebarr的答案，但这里有另一种选择。

使用np.arange创建所需范围，然后使用np.random.choice从该数组中选择：

In [134]: np.random.choice(np.arange(5, 9, 0.5), size=3)
Out[134]: array([ 7. ,  8.5,  7.5])

请注意，如果您使用此类arange，则9不会包含在可能的输出中。如果您想要包含上限，可以使用np.arange(5, 9.25, 0.5)，或者更一般地使用np.arange(start, stop+0.5*step, step)。

如果所需范围很大并且您只选择了几个值，则效率不高。如果要重复选择同一组数字，可以定义一次可能的值并重用该变量：

In [135]: values = np.arange(5, 9, 0.5)

In [136]: np.random.choice(values, size=3)
Out[136]: array([ 6.5,  5. ,  6. ])

In [137]: np.random.choice(values, size=5)
Out[137]: array([ 6. ,  8. ,  6. ,  7.5,  8. ])

Answer 3

这应该这样做：

0.5 * floor(2.0 * np.random.uniform(5.0, 9.0))

希望这很有用。

如何使用Numpy随机获得3个浮点数，步长为0.5，介于5.0和9.0之间？

3 个答案: