Question

我试图了解这些功能之间的区别（如果有的话）：

numpy.random.rand()

numpy.random.random()

numpy.random.uniform()

他们似乎从均匀分布中产生随机样本。那么，在函数中没有任何参数，有什么区别吗？

Answer 1

numpy.random.uniform(low=0.0, high=1.0, size=None) - 来自任意范围的统一样本

从均匀分布中抽取样本样本在半开区间[low, high)上均匀分布（包括低，但不包括高）。换句话说，给定间隔内的任何值都可以通过统一绘制。

numpy.random.random(size=None) - 0到1之间的均匀分布

在半开区间[0.0, 1.0)中返回随机浮点数   结果来自所述间隔的“连续均匀”分布。要抽样Unif[a, b)，b > a乘以random_sample by（b-a）的输出并添加：
  (b - a) * random_sample() + a

numpy.random.rand(d0, d1, ..., dn) - 来自均匀分布的样本以填充给定形状的数组

给定形状的随机值。
创建给定形状的数组，并使用来自[0, 1)上的均匀分布的随机样本进行传播。

要回答您的其他问题，在给定所有默认参数的情况下，所有函数numpy.random.uniform，numpy.random.random和numpy.random.rand都是相同的。

Answer 2

简短回答

没有参数，这三个函数是等价的，产生[0.0,1.0]范围内的随机浮点数。

详细

numpy.random.rand是一个便利函数，它接受任意数量的参数作为维度。它与其他numpy.random函数，numpy.zeros和numpy.ones的不同之处在于，所有其他函数都接受形状，即N元组（指定为Python列表或元组））。以下两行产生相同的结果（尽管随机种子）：

import numpy as np
x = np.random.random_sample((1,2,3)) # a single tuple as parameter
x = np.random.rand(1,2,3) # integers as parameters

numpy.random.random是numpy.random.random_sample的别名。

numpy.random.uniform允许您使用low和high关键字参数指定分布限制，而不是使用默认值[0.0,1.0]。

在numpy中生成随机数的函数之间的差异

2 个答案:

简短回答

详细