2.2.3.5 随机数组

(1) 均匀分布随机数 (np.random.rand)

返回给定形状的数组，用 [0, 1) 上均匀分布的随机样本填充。

rand_arr = np.random.rand(2, 2)  # [0,1) 均匀分布
# 输出示例: [[0.43, 0.89], [0.21, 0.57]]

(2) 正态分布随机数 (np.random.randn)

返回给定形状的数组，用标准正态分布(均值为0，标准差为1)的随机样本填充。

randn_arr = np.random.randn(2, 2)  # 均值为0，方差为1
# 输出示例: [[-0.5, 1.2], [0.3, -1.8]]

(3) 随机整数 (np.random.randint)

返回给定形状的数组，用从低位(包含)到高位(不包含)上均匀分布的随机整数填充。

int_arr = np.random.randint(1, 10, (2, 2))  # [1,10) 的整数
# 输出示例: [[3, 7], [5, 2]]

4）random.uniform()

random.uniform()：返回给定形状的数组，用从低位(包含)到高位(不包含)上均匀分布的随机浮点数填充。

arr3 = np.random.uniform(3, 6, (2, 3))
# [[5.69275495 3.84857937 3.2899215 ]
#  [5.32035519 3.7460973  3.33859905]]

(5) 设置随机种子 (np.random.seed)

np.random.seed 是 NumPy 中用于设置**随机数生成器种子**的函数，目的是确保程序的随机操作可以重复生成相同的结果（即保证随机结果的确定性）。这在实验复现、调试和教学场景中非常有用。

import numpy as np

# 设置随机种子
np.random.seed(42)  # 参数可以是任意整数

# 生成随机数
print(np.random.rand(3))  # 输出固定结果

每次运行上述代码都会得到相同的随机数序列（例如 [0.37454012, 0.95071431, 0.73199394]）。

关键细节

1. 种子的一致性：
2. 相同种子生成的随机数序列完全一致。
3. 不同种子（如 np.random.seed(0) 和 np.random.seed(1)）会产生不同序列。
4. 作用范围：
5. 种子对后续所有基于 NumPy 的随机函数生效（如 np.random.rand(), np.random.normal(), np.random.shuffle() 等）。

通过控制种子，你能在“随机”和“可复现”之间灵活切换！