怎么用numpy.random.uniform实现均匀分布

这篇文章主要介绍"怎么用numpy.random.uniform实现均匀分布"，在日常操作中，相信很多人在怎么用numpy.random.uniform实现均匀分布问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答"怎么用numpy.random.uniform实现均匀分布"的疑惑有所帮助！接下来，请跟着小编一起来学习吧！

numpy.random.uniform介绍：

1. 函数原型： numpy.random.uniform(low,high,size)

功能：从一个均匀分布[low,high)中随机采样，注意定义域是左闭右开，即包含low，不包含high.

参数介绍:

low: 采样下界，float类型，默认值为0；
high: 采样上界，float类型，默认值为1；
size: 输出样本数目，为int或元组(tuple)类型，例如，size=(m,n,k), 则输出m*n*k个样本，缺省时输出1个值。

返回值：ndarray类型，其形状和参数size中描述一致。

这里顺便说下ndarray类型，表示一个N维数组对象，其有一个shape（表维度大小）和dtype（说明数组数据类型的对象），使用zeros和ones函数可以创建数据全0或全1的数组，原型：

numpy.ones(shape,dtype=None,order='C'),
其中，shape表数组形状（m*n）,dtype表类型,order表是以C还是fortran形式存放数据。

2. 类似uniform,还有以下随机数产生函数：

a. randint: 原型：numpy.random.randint(low, high=None, size=None, dtype='l')，产生随机整数；
b. random_integers: 原型： numpy.random.random_integers(low, high=None, size=None)，在闭区间上产生随机整数；
c. random_sample: 原型： numpy.random.random_sample(size=None)，在[0.0,1.0)上随机采样；
d. random: 原型： numpy.random.random(size=None)，和random_sample一样，是random_sample的别名；
e. rand: 原型： numpy.random.rand(d0, d1, ..., dn)，产生d0 - d1 - ... - dn形状的在[0,1)上均匀分布的float型数。
f. randn: 原型：numpy.random.randn（d0,d1,...,dn),产生d0 - d1 - ... - dn形状的标准正态分布的float型数。

到此，关于"怎么用numpy.random.uniform实现均匀分布"的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注网站，小编会继续努力为大家带来更多实用的文章！