### NumPy 中的随机函数 NumPy 提供了一个强大的模块 `numpy.random`，其中包含了多种用于生成随机数的函数。这些函数可以用来模拟各种概率分布以及生成不同类型的随机数据。以下是部分常用的随机函数及其描述： #### 1. 均匀分布 - **`numpy.random.rand(d0, d1, ..., dn)`**: 创建一个指定形状的数组并填充来自 `[0, 1)` 范围内的均匀分布随机样本[^5]。 - **`numpy.random.uniform(low=0.0, high=1.0, size=None)`**: 从半开区间 `[low, high)` 返回随机浮点数。 #### 2. 正态分布 - **`numpy.random.randn(d0, d1, ..., dn)`**: 返回标准正态分布（均值为 0，方差为 1）中的随机样本[^6]。 - **`numpy.random.normal(loc=0.0, scale=1.0, size=None)`**: 从具有指定均值 (`loc`) 和标准差 (`scale`) 的正态分布中抽取样本。 #### 3. 整数随机抽样 - **`numpy.random.randint(low, high=None, size=None, dtype=int)`**: 从指定范围 `[low, high)` 内返回随机整数值[^7]。 #### 4. 随机排列 - **`numpy.random.shuffle(x)`**: 就地修改序列 `x` 并将其打乱顺序[^8]。 - **`numpy.random.permutation(x)`**: 返回一个新的已打乱顺序的数组副本，而不改变原数组[^9]。 #### 5. 其他常见分布 - **`numpy.random.poisson(lam=1.0, size=None)`**: 抽取泊松分布的样本[^10]。 - **`numpy.random.exponential(scale=1.0, size=None)`**: 抽取指数分布的样本[^11]。 - **`numpy.random.binomial(n, p, size=None)`**: 抽取二项分布的样本[^12]。 #### 示例代码 以下是一些常用随机函数的应用实例： ```python import numpy as np # 均匀分布随机数 uniform_random = np.random.rand(3, 3) # 标准正态分布随机数 normal_random = np.random.randn(3, 3) # 在 [10, 20) 范围内生成随机整数 integer_random = np.random.randint(10, 20, (3, 3)) # 打乱数组顺序 array_to_shuffle = np.array([1, 2, 3, 4, 5]) np.random.shuffle(array_to_shuffle) print(uniform_random) print(normal_random) print(integer_random) print(array_to_shuffle) ``` ### 总结 除了 `np.linspace()` 和 `np.arange()` 这两个用于生成等间距或等步长数列的函数外，`numpy.random` 模块提供了丰富的随机数生成功能，涵盖了常见的统计学分布和其他用途广泛的工具。