NumPy np.random 常用 API 笔记📒 NumPy np.random 常用 API 笔记 1. 基础随

📒 NumPy `np.random` 常用 API 笔记

1. 基础随机数

函数	用途	示例
`np.random.rand(d0, d1, …)`	生成 `[0,1)` 区间的均匀分布	`np.random.rand(2,3)`
`np.random.randn(d0, d1, …)`	生成标准正态分布（均值=0，方差=1）	`np.random.randn(100)`
`np.random.randint(low, high=None, size=None)`	生成整数随机数	`np.random.randint(0, 10, size=5)`
`np.random.random(size=None)`	生成 `[0,1)` 的浮点数	`np.random.random(3)`

2. 常见分布

函数	分布类型	说明
`np.random.normal(loc=0, scale=1, size=None)`	正态分布	均值=`loc`，标准差=`scale`
`np.random.uniform(low=0, high=1, size=None)`	均匀分布	范围 `[low, high)`
`np.random.binomial(n, p, size=None)`	二项分布	`n` 次实验，每次成功概率 `p`
`np.random.poisson(lam=1.0, size=None)`	泊松分布	平均发生次数 `lam`

3. 随机采样与打乱

函数	用途	示例
`np.random.choice(a, size=None, replace=True, p=None)`	从数组或范围中采样	`np.random.choice(10, 3, replace=False)`
`np.random.permutation(x)`	返回一个打乱后的新数组	`np.random.permutation(10)`
`np.random.shuffle(x)`	原地打乱数组	`np.random.shuffle(arr)`

4. 控制随机性

函数	用途
`np.random.seed(seed)`	固定随机种子，使结果可复现

5. 常见用法示例

import numpy as np

# 固定随机种子
np.random.seed(42)

# 1. 基础
print(np.random.rand(2,3))         # 均匀分布
print(np.random.randn(3))          # 标准正态
print(np.random.randint(0,10,5))   # 随机整数

# 2. 分布
print(np.random.normal(5, 2, 4))   # 均值=5, 标准差=2
print(np.random.uniform(-1, 1, 4)) # 区间 [-1,1)

# 3. 采样 & 打乱
arr = np.arange(10)
print(np.random.choice(arr, 5, replace=False)) # 无放回采样
print(np.random.permutation(arr))              # 打乱返回新数组
np.random.shuffle(arr)                         # 原地打乱
print(arr)