如何在Julia中生成一系列随机浮点数?

时间:2018-08-31 00:29:28

标签: random julia

我注意到rand(x)(其中x是一个整数)为我提供了一个随机浮点数组。我想知道如何在一定范围内生成随机浮点型变量数组。我尝试使用如下范围:

rand(.4:.6, 5, 5)

然后我得到:

 0.4  0.4  0.4  0.4  0.4
 0.4  0.4  0.4  0.4  0.4
 0.4  0.4  0.4  0.4  0.4
 0.4  0.4  0.4  0.4  0.4
 0.4  0.4  0.4  0.4  0.4

如何获取一个范围而不是该范围内的最低数字?

4 个答案:

答案 0 :(得分:8)

也许更优雅一些,因为您实际上想从Uniform发行版中抽样,所以可以使用Distribution包:

julia> using Distributions
julia> rand(Uniform(0.4,0.6),5,5)
5×5 Array{Float64,2}:
 0.547602  0.513855  0.414453  0.511282  0.550517
 0.575946  0.520085  0.564056  0.478139  0.48139
 0.409698  0.596125  0.477438  0.53572   0.445147
 0.567152  0.585673  0.53824   0.597792  0.594287
 0.549916  0.56659   0.502528  0.550121  0.554276

然后从其他众所周知的或用户定义的分布中采样(从分布中获取rand()的第一个参数),采用相同的方法

答案 1 :(得分:3)

您需要一个step参数:

rand(.4:.1:.6, 5, 5)

.1将为您的范围提供一步,这对于浮点数是必需的,而对于递增1则不是必需的。问题在于,无论隐含精度如何,它都将假定为1。如果您需要比以下更精确的增量:

rand(.4:.0001:.6, 5, 5)

这将为您提供类似于以下内容的结果:

 0.4587  0.557   0.586   0.4541  0.4686
 0.4545  0.4789  0.4921  0.4451  0.4212
 0.4373  0.5056  0.4229  0.5167  0.5504
 0.5494  0.4068  0.5316  0.4378  0.5495
 0.4368  0.4384  0.5265  0.5995  0.5231

答案 2 :(得分:0)

您可以使用

julia> map(x->0.4+x*(0.6-0.4),rand(5,5))
5×5 Array{Float64,2}:
 0.455445  0.475007  0.518734  0.463064  0.400925
 0.509436  0.527338  0.566976  0.482812  0.501817
 0.405967  0.563425  0.574607  0.502343  0.483075
 0.50317   0.482894  0.54584   0.594157  0.528844
 0.50418   0.515788  0.5554    0.580199  0.505396

一般规则是

julia> map(  x -> start + x * (stop - start), rand(5,5)  )

其中开始为0.4,停止为0.6

由于x恰好为1.0或7.0的概率为零,因此您甚至可以通过使x的范围为1到7(即1

julia> map(x->Integer(floor(1+x*(7-1))),rand(5,5))
5×5 Array{Int64,2}:
 2  6  6  3  2
 3  1  3  1  6
 5  4  6  1  5
 3  6  5  5  3
 3  4  3  5  4

或者您可以使用

julia> rand(1:6,5,5)
5×5 Array{Int64,2}:
 3  6  3  5  5
 2  1  3  3  3
 1  5  4  1  5
 5  5  5  5  1
 3  2  1  5  6

答案 3 :(得分:0)

只是另一个简单的解决方案(使用矢量化操作)

0.2 .* rand(5,5) .+ 0.4

如果效率很重要...

@time 0.2 .* rand(10000, 10000) .+ 0.4
>> 0.798906 seconds (4 allocations: 1.490 GiB, 5.20% gc time)

@time map(x -> 0.4 + x * (0.6 - 0.4), rand(10000, 10000))
>> 0.836322 seconds (49.20 k allocations: 1.493 GiB, 7.08% gc time)

using Distributions 
@time rand(Uniform(0.4, 0.6), 10000, 10000)
>> 1.310401 seconds (2 allocations: 762.940 MiB, 1.51% gc time)

@time rand(0.2:0.000001:0.4, 10000, 10000)
>> 1.715034 seconds (2 allocations: 762.940 MiB, 6.24% gc time)