1. 从“随机”说起为什么我们需要这些函数在数据科学、机器学习或者任何涉及数值模拟的领域“随机”是一个绕不开的核心概念。你可能觉得随机就是“随便”但在程序的世界里我们需要的是可控的、可复现的、符合特定数学规律的“随便”。这听起来有点矛盾但正是这种矛盾催生了像numpy.random模块下这一系列功能强大且各司其职的函数。想象一下你正在训练一个神经网络。初始化权重时你不能用全零也不能用完全一样的值否则所有神经元会同步更新失去学习能力。你需要的是从一个特定分布比如正态分布中“随机”抽取一些小数作为初始值。又或者你在做蒙特卡洛模拟需要大量在某个区间内均匀分布的随机数来估算积分或概率。这些场景就是np.random.rand(),randn(),randint(),uniform()大显身手的地方。它们不是“随便”生成几个数而是你手中精确的数学工具。rand()给你均匀分布的浮点数randn()给你标准正态分布的“钟形”数据randint()帮你生成离散的整数而uniform()则允许你自定义均匀分布的区间。理解它们之间的细微差别能让你在写代码时更加得心应手避免因为用错分布而导致模型收敛慢、模拟结果偏差大等隐蔽问题。今天我们就来彻底拆解这四位“随机数生成器”看看它们各自的本事和脾气。2. 均匀分布的“老大哥”np.random.rand()当你需要一个快速生成一堆在[0, 1)区间内均匀分布的随机浮点数时np.random.rand()通常是你的第一选择。它的接口非常直观你给它一个形状shape它返回一个对应形状的numpy数组里面填满了符合要求的随机数。2.1 基础用法与参数解析rand()函数的参数就是维度的尺寸可以接受任意多个非负整数作为参数。它生成的是半开区间[0, 1)的均匀分布意味着可能生成无限接近1但永远不会等于1的数最小值是0理论上可能生成但概率极低。import numpy as np # 生成一个标量单个随机数 single_value np.random.rand() print(f单个随机数: {single_value}) # 输出类似 0.5488135039273248 # 生成一个一维数组向量包含5个元素 vector np.random.rand(5) print(f一维数组: {vector}) # 输出类似[0.71518937 0.60276338 0.54488318 0.4236548 0.64589411] # 生成一个3行2列的二维数组矩阵 matrix np.random.rand(3, 2) print(f二维矩阵:\n{matrix}) # 输出类似 # [[0.43758721 0.891773 ] # [0.96366276 0.38344152] # [0.79172504 0.52889492]] # 生成一个2x3x4的三维张量 tensor np.random.rand(2, 3, 4) print(f三维张量形状: {tensor.shape}) # 输出: (2, 3, 4)这里的关键在于你传递的参数直接决定了输出数组的shape。rand(5)生成shape为(5,)的数组rand(3, 2)生成shape为(3, 2)的数组。这种设计让它在初始化权重矩阵、生成模拟数据时非常方便。2.2 底层原理与“均匀”的含义所谓“均匀分布”是指在区间[0, 1)内任何一个子区间被抽中的概率只与该子区间的长度成正比而与它的位置无关。例如随机数落在[0.2, 0.3)的概率是10%落在[0.7, 0.8)的概率同样是10%。numpy默认使用梅森旋转算法Mersenne Twister作为伪随机数生成器它周期极长分布均匀性好是业内的标准选择。注意np.random.rand()生成的是连续均匀分布。虽然计算机是离散的但双精度浮点数能表示的数值非常多在视觉和统计上可以近似认为是连续的。2.3 常见应用场景与实操心得场景一快速初始化小型神经网络权重。对于简单的全连接层我们可以用rand()生成初始权重但通常需要稍作调整比如缩放或平移因为[0,1)的范围可能不是最优的。# 初始化一个输入层4个神经元隐藏层3个神经元的权重矩阵 input_size 4 hidden_size 3 # 权重矩阵 W 的 shape 为 (hidden_size, input_size) weights np.random.rand(hidden_size, input_size) print(weights)场景二生成模拟的百分比或概率数据。比如模拟用户点击率、转化率等总是在0到1之间的指标。# 模拟1000个用户的点击率 click_rates np.random.rand(1000) # 假设点击率大于0.5的为高意向用户 high_intent_users click_rates[click_rates 0.5] print(f高意向用户比例: {len(high_intent_users)/1000:.2%})实操心得可复现性在需要复现结果的场景如论文实验、调试bug务必使用np.random.seed()固定随机数种子。seed可以是一个任意整数。np.random.seed(42) # 生命、宇宙以及一切问题的答案 data1 np.random.rand(5) np.random.seed(42) # 再次使用相同的种子 data2 np.random.rand(5) print(data1 data2) # 输出: [ True True True True True]性能考量一次性生成一个大数组如np.random.rand(1000000)比在循环中多次调用np.random.rand()生成单个数字要快得多。这是因为函数调用的开销远大于批量生成的开销。范围限制记住它的范围是[0, 1)。如果你需要其他范围需要自己进行线性变换。例如要得到[a, b)区间的均匀分布公式是a (b - a) * np.random.rand(...)。3. 正态分布的“标准工”np.random.randn()如果说rand()是均匀分布的代言人那randn()就是正态分布高斯分布的“标准工”。它生成的是标准正态分布的随机数即均值为0、标准差为1的正态分布。这个分布在自然界和统计学中无处不在从测量误差到人群的身高分布都能看到它的影子。3.1 函数签名与标准正态分布randn()的参数格式与rand()完全一致用于指定输出数组的维度。它返回的每个元素都是从标准正态分布 $N(0, 1)$ 中独立抽取的样本。import numpy as np # 生成一个标准正态分布的随机数 single_gaussian np.random.randn() print(f单个标准正态随机数: {single_gaussian}) # 可能为负如 -0.234 # 生成一个包含5个样本的一维数组 samples np.random.randn(5) print(f5个样本: {samples}) # 输出可能包含正负值如[ 1.17868057 -0.85409574 -0.65175513 1.51237979 0.30247103] # 生成一个2x3的矩阵 matrix_normal np.random.randn(2, 3) print(f2x3正态分布矩阵:\n{matrix_normal})标准正态分布的概率密度函数呈经典的“钟形曲线”大约68%的值落在[-1, 1]区间95%的值落在[-2, 2]区间99.7%的值落在[-3, 3]区间。你可以用randn()生成数据后用直方图验证这个规律。3.2 从“标准”到“一般”如何生成任意正态分布randn()生成的是标准型但我们可以通过简单的线性变换得到任意均值 $\mu$ 和标准差 $\sigma$ 的正态分布 $N(\mu, \sigma^2)$。变换公式为$X \mu \sigma * Z$其中 $Z$ 是来自randn()的标准正态随机数。mu 175 # 均值例如平均身高175cm sigma 10 # 标准差10cm # 生成10000个服从 N(175, 10^2) 分布的身高样本 heights mu sigma * np.random.randn(10000) # 计算生成数据的均值和标准差验证是否接近设定值 print(f样本均值: {heights.mean():.2f}) # 应接近175 print(f样本标准差: {heights.std():.2f}) # 应接近103.3 核心应用场景深度学习权重初始化这是randn()最重量级的应用场景。在深度学习中权重初始化对模型的训练速度和最终性能有决定性影响。Xavier初始化适用于tanh、sigmoid激活函数和He初始化适用于ReLU及其变种激活函数的核心思想都是从均值为0的正态分布中采样并根据输入输出神经元的数量来调整标准差。以He初始化为例对于一个全连接层假设该层有n_in个输入神经元我们希望初始化权重矩阵W使其满足均值为0标准差为 $\sqrt{2 / n_in}$ 的正态分布。def he_normal_init(n_in, n_out): 使用He正态分布初始化权重矩阵 Args: n_in: 输入维度 n_out: 输出维度 Returns: W: 初始化后的权重矩阵shape (n_out, n_in) std np.sqrt(2.0 / n_in) W std * np.random.randn(n_out, n_in) # 核心就在这里 return W # 初始化一个从784维如MNIST图像到256维隐藏层的权重 W1 he_normal_init(784, 256) print(f权重矩阵形状: {W1.shape}) print(f权重均值(应接近0): {W1.mean():.6f}) print(f权重标准差(应接近sqrt(2/784)): {W1.std():.6f})实操心得与避坑指南不要混淆rand()和randn()这是新手最常见的错误。用rand()初始化深度学习权重值都在0~1通常会导致梯度消失或爆炸因为其分布与网络期望的分布不匹配。对于深层网络务必使用基于正态分布的初始化方法。可视化验证生成数据后用matplotlib画个直方图或Q-Q图是验证分布是否正确的最直观方法。import matplotlib.pyplot as plt data np.random.randn(1000) plt.hist(data, bins30, densityTrue, alpha0.7) plt.title(Histogram of randn() samples) plt.show()randn()生成的值理论上是无界的虽然出现极大或极小的值概率很低。在极端情况下这可能引发数值计算问题如溢出但在实际应用中非常罕见。4. 离散世界的选择np.random.randint()当你的随机需求从连续的浮点数世界跳转到离散的整数世界时np.random.randint()就是你的专属工具。它用于生成在指定半开区间[low, high)内均匀分布的随机整数。4.1 参数详解与生成逻辑函数的常用签名是np.random.randint(low, highNone, sizeNone, dtypeint)。low生成随机整数范围的下限包含。high生成随机整数范围的上限不包含。如果high为None默认则函数将low参数视为上限而下限默认为0。即randint(5)等价于randint(0, 5)。size输出数组的形状。可以是整数生成一维数组或元组生成多维数组。默认为None返回一个标量。dtype期望的输出数据类型。通常是int默认通常是int64或int32取决于系统也可以是np.int32等。import numpy as np # 生成一个 [0, 5) 之间的随机整数 single_int np.random.randint(5) print(f0到4之间的整数: {single_int}) # 生成一个 [3, 8) 之间的随机整数 single_int_range np.random.randint(3, 8) print(f3到7之间的整数: {single_int_range}) # 生成一个包含5个元素的数组每个元素在 [10, 20) 之间 int_array np.random.randint(10, 20, size5) print(f5个在[10,20)的整数: {int_array}) # 生成一个3行4列的矩阵元素在 [0, 100) 之间 int_matrix np.random.randint(0, 100, size(3, 4)) print(f3x4整数矩阵:\n{int_matrix}) # 指定数据类型为32位整数 int_32 np.random.randint(0, 100, size5, dtypenp.int32) print(f数据类型: {int_32.dtype})4.2 “半开区间”的陷阱与明确需求[low, high)这种半开区间设计是编程中的常见约定类似于Python的range函数和列表切片。但它有时会让人困惑。你必须非常清楚你有可能取到low但绝对取不到high。如果你想要生成1到10包含10的随机整数必须使用randint(1, 11)。如果你想要生成-5到5包含5的随机整数必须使用randint(-5, 6)。4.3 经典应用场景数据抽样与索引场景一从数据集中随机抽取小批量Mini-batch。这是训练机器学习模型时的核心操作。# 假设有一个包含10000个样本的数据集 dataset_size 10000 all_indices np.arange(dataset_size) # 设置批量大小 batch_size 64 # 随机抽取一个批量的索引不重复抽样可以通过 permutation 实现 # 这里演示有放回抽样 batch_indices np.random.randint(0, dataset_size, sizebatch_size) print(f批量索引: {batch_indices[:10]}...) # 打印前10个 # 假设 X_train, y_train 是训练数据和标签 # batch_X X_train[batch_indices] # batch_y y_train[batch_indices]场景二生成模拟的类别标签或离散选择。例如模拟掷骰子、抽奖、或者生成分类任务的随机标签。# 模拟掷一个六面骰子1000次 num_rolls 1000 dice_rolls np.random.randint(1, 7, sizenum_rolls) # 注意是1到7不含7 print(f前10次掷骰结果: {dice_rolls[:10]}) print(f点数6出现的频率: {(dice_rolls 6).mean():.3f}) # 应接近1/6 # 模拟一个三分类问题的随机预测标签用于基线模型 num_samples 500 random_labels np.random.randint(0, 3, sizenum_samples) # 类别0, 1, 2场景三为图像添加随机位置噪声或裁剪。# 假设有一张高为H宽为W的图片我们想随机裁剪一个 100x100 的patch H, W 480, 640 crop_size 100 # 随机生成裁剪区域的左上角坐标确保不越界 top np.random.randint(0, H - crop_size 1) # 注意1因为区间是[0, H-crop_size] left np.random.randint(0, W - crop_size 1) print(f裁剪区域左上角坐标: (top{top}, left{left})) # 那么裁剪区域就是 img[top:topcrop_size, left:leftcrop_size]实操心得性能 vs 灵活性对于生成大量随机整数randint()非常高效。但如果需要更复杂的离散分布如非均匀分布、多项式分布应使用np.random.choice()。随机种子的一致性和之前一样在调试时使用np.random.seed()保证每次运行的随机索引相同这对复现训练过程至关重要。size参数非常强大。你可以直接生成一个多维数组的随机整数而不需要写循环这得益于numpy的向量化操作能极大提升效率。5. 自定义范围的均匀分布np.random.uniform()np.random.uniform()像是np.random.rand()的增强版。rand()固定生成[0,1)的数而uniform()允许你自由指定均匀分布的下限low和上限high生成区间[low, high)内的随机浮点数。5.1 函数参数与区间控制函数的签名是np.random.uniform(low0.0, high1.0, sizeNone)。low分布的下界包含默认为0.0。high分布的上界不包含默认为1.0。当只传入一个参数时该参数会被赋值给high而low使用默认值0.0。即uniform(5)生成[0.0, 5.0)的随机数。size输出数组的形状与之前函数一致。import numpy as np # 生成一个 [0.0, 1.0) 的随机数等同于 rand() single_default np.random.uniform() print(f默认[0,1)随机数: {single_default}) # 生成一个 [2.5, 5.5) 的随机数 single_custom np.random.uniform(2.5, 5.5) print(f[2.5, 5.5)随机数: {single_custom}) # 生成一个 [-1.0, 1.0) 的随机数 single_negative np.random.uniform(-1.0, 1.0) print(f[-1.0, 1.0)随机数: {single_negative}) # 生成一个形状为 (2, 3) 的数组元素在 [10, 20) 之间 array_uniform np.random.uniform(10, 20, size(2, 3)) print(f[10,20)均匀分布数组:\n{array_uniform})5.2 与rand()的关系及选择策略本质上np.random.uniform(0, 1, size)和np.random.rand(*size)是等价的它们都基于同一个底层随机数生成器。那么如何选择代码简洁性当需要[0,1)区间时rand()更简洁特别是生成多维数组时rand(3,4)比uniform(0,1,(3,4))更易写易读。灵活性当需要非[0,1)的均匀分布时必须使用uniform()。一致性如果你的代码中已经大量使用了uniform()来生成各种范围的数那么为了风格统一即使生成[0,1)的数也可以继续用uniform()。5.3 高级应用模拟与采样场景一蒙特卡洛方法求积分。这是uniform()的经典应用。例如计算函数 $y x^2$ 在区间[0, 2]下的面积积分。def mc_integrate(func, low, high, num_samples100000): 使用蒙特卡洛方法计算定积分 Args: func: 被积函数 low, high: 积分区间 num_samples: 采样点数 Returns: 积分近似值 # 在积分区间内均匀采样 x_samples np.random.uniform(low, high, num_samples) # 计算函数值 y_samples func(x_samples) # 积分近似值 区间宽度 * 函数值的平均值 integral_approx (high - low) * np.mean(y_samples) return integral_approx # 计算 x^2 在 [0,2] 的积分理论值是 (1/3)*2^3 8/3 ≈ 2.6667 result mc_integrate(lambda x: x**2, 0, 2, num_samples1000000) print(f蒙特卡洛积分结果: {result:.6f}) print(f理论积分值: {8/3:.6f})场景二模拟带有随机性的物理过程或游戏机制。例如模拟粒子在某个范围内的随机初始位置或者游戏装备掉落率在一个区间内波动。# 模拟100个粒子在二维空间 [0, 10)x[0, 10) 内的初始位置 num_particles 100 particle_x np.random.uniform(0, 10, num_particles) particle_y np.random.uniform(0, 10, num_particles) # 模拟装备强化每次强化增加的攻击力在 [3.0, 7.5) 之间随机波动 base_attack 100 strength_level 5 attack_increments np.random.uniform(3.0, 7.5, strength_level) current_attack base_attack np.sum(attack_increments) print(f强化{strength_level}次后攻击力增量序列: {attack_increments}) print(f最终攻击力: {current_attack:.2f})场景三生成用于测试的合成数据。可以快速生成符合特定范围约束的模拟数据。# 生成模拟的“用户年龄”和“收入”数据假设年龄在18-70岁均匀分布收入在2万-50万均匀分布 num_users 50 ages np.random.uniform(18, 70, num_users).astype(int) # 转成整数更合理 incomes np.random.uniform(20000, 500000, num_users) # 生成模拟的温度传感器读数假设在20.0到25.0摄氏度之间均匀波动 readings np.random.uniform(20.0, 25.0, size(24, 60)) # 模拟一天每小时每分钟的读数 print(f温度读数矩阵形状: {readings.shape})实操心得与进阶提示注意浮点数精度和所有浮点数计算一样uniform()生成的是离散的浮点值并非数学上真正的连续均匀分布。但对于绝大多数应用这已经足够精确。size参数的广播机制low和high可以是标量也可以是数组。当它们是数组时size参数定义了输出形状而low和high会进行广播。这可以用来一次性生成来自不同区间的随机数但用法相对复杂需谨慎。# 生成三组数据分别来自不同区间 lows np.array([0, 10, 100]) highs np.array([1, 20, 200]) # 这会生成一个形状为(3, 5)的数组其中第i行来自区间[lows[i], highs[i]) data np.random.uniform(lows[:, np.newaxis], highs[:, np.newaxis], size(3, 5))与random模块的区别Python内置的random模块也有uniform()函数但它一次只生成一个数且不支持向量化操作。在需要生成大量随机数的数据科学任务中numpy的向量化函数有数量级的性能优势。6. 总结对比与选用指南经过对四个函数的详细拆解我们可以把它们放在一起做个清晰的对比这能帮助你在实际编码时快速做出正确选择。特性np.random.rand(d0, d1, ...)np.random.randn(d0, d1, ...)np.random.randint(low, high, size)np.random.uniform(low, high, size)分布类型连续均匀分布标准正态分布高斯分布离散均匀分布连续均匀分布默认范围[0.0, 1.0)均值0标准差1[0, high)(当未指定low)[0.0, 1.0)(当未指定low, high)输出类型浮点数 (float64)浮点数 (float64)整数 (int默认int64/int32)浮点数 (float64)核心用途快速生成[0,1)概率、百分比需要自定义变换的均匀分布基础数据生成符合正态分布的数据深度学习权重初始化模拟噪声生成随机整数数组索引模拟离散事件掷骰、抽奖生成任意区间[low, high)的均匀分布随机浮点数选择关键需要[0,1)均匀分布时最简洁需要正态分布数据时使用尤其是均值为0标准差1的情况需要整数时使用注意半开区间[low, high)需要非[0,1)的均匀分布浮点数时使用快速选用决策流程问我需要整数还是浮点数整数- 选np.random.randint()。浮点数- 进入第2步。问我需要什么样的分布均匀分布且范围正好是[0, 1)- 选np.random.rand()最简洁。均匀分布但范围是自定义的[a, b)- 选np.random.uniform(a, b)。正态分布钟形曲线- 选np.random.randn()。如果需要非标准正态记得用mu sigma * randn(...)进行变换。一个综合性的例子数据增强在图像数据增强中我们可能会同时用到这几个函数def random_augment(image): 对输入图像进行随机增强 H, W, C image.shape augmented image.copy() # 1. 随机亮度调整 (使用uniform生成调整因子) brightness_factor np.random.uniform(0.7, 1.3) # 亮度在70%到130%之间变化 augmented np.clip(augmented * brightness_factor, 0, 255) # 2. 添加高斯噪声 (使用randn生成噪声) if np.random.rand() 0.5: # 50%的概率添加噪声rand()用于生成概率 noise_std 5.0 gaussian_noise noise_std * np.random.randn(H, W, C) augmented np.clip(augmented gaussian_noise, 0, 255) # 3. 随机水平翻转 (使用rand生成概率决定是否翻转) if np.random.rand() 0.5: augmented augmented[:, ::-1, :] # 水平翻转 # 4. 随机裁剪 (使用randint生成裁剪起始点) crop_h, crop_w 224, 224 # 确保不越界 top np.random.randint(0, H - crop_h 1) left np.random.randint(0, W - crop_w 1) augmented augmented[top:topcrop_h, left:leftcrop_w, :] return augmented这个例子展示了如何根据不同的需求概率判断、噪声生成、位置确定选择合适的随机函数。最后记住那句老话理解工具才能用好工具。在下次需要随机数时先花一秒钟想想你的数据应该服从什么分布这能让你写出更正确、更高效的代码。
1. 从“随机”说起为什么我们需要这些函数在数据科学、机器学习或者任何涉及数值模拟的领域“随机”是一个绕不开的核心概念。你可能觉得随机就是“随便”但在程序的世界里我们需要的是可控的、可复现的、符合特定数学规律的“随便”。这听起来有点矛盾但正是这种矛盾催生了像numpy.random模块下这一系列功能强大且各司其职的函数。想象一下你正在训练一个神经网络。初始化权重时你不能用全零也不能用完全一样的值否则所有神经元会同步更新失去学习能力。你需要的是从一个特定分布比如正态分布中“随机”抽取一些小数作为初始值。又或者你在做蒙特卡洛模拟需要大量在某个区间内均匀分布的随机数来估算积分或概率。这些场景就是np.random.rand(),randn(),randint(),uniform()大显身手的地方。它们不是“随便”生成几个数而是你手中精确的数学工具。rand()给你均匀分布的浮点数randn()给你标准正态分布的“钟形”数据randint()帮你生成离散的整数而uniform()则允许你自定义均匀分布的区间。理解它们之间的细微差别能让你在写代码时更加得心应手避免因为用错分布而导致模型收敛慢、模拟结果偏差大等隐蔽问题。今天我们就来彻底拆解这四位“随机数生成器”看看它们各自的本事和脾气。2. 均匀分布的“老大哥”np.random.rand()当你需要一个快速生成一堆在[0, 1)区间内均匀分布的随机浮点数时np.random.rand()通常是你的第一选择。它的接口非常直观你给它一个形状shape它返回一个对应形状的numpy数组里面填满了符合要求的随机数。2.1 基础用法与参数解析rand()函数的参数就是维度的尺寸可以接受任意多个非负整数作为参数。它生成的是半开区间[0, 1)的均匀分布意味着可能生成无限接近1但永远不会等于1的数最小值是0理论上可能生成但概率极低。import numpy as np # 生成一个标量单个随机数 single_value np.random.rand() print(f单个随机数: {single_value}) # 输出类似 0.5488135039273248 # 生成一个一维数组向量包含5个元素 vector np.random.rand(5) print(f一维数组: {vector}) # 输出类似[0.71518937 0.60276338 0.54488318 0.4236548 0.64589411] # 生成一个3行2列的二维数组矩阵 matrix np.random.rand(3, 2) print(f二维矩阵:\n{matrix}) # 输出类似 # [[0.43758721 0.891773 ] # [0.96366276 0.38344152] # [0.79172504 0.52889492]] # 生成一个2x3x4的三维张量 tensor np.random.rand(2, 3, 4) print(f三维张量形状: {tensor.shape}) # 输出: (2, 3, 4)这里的关键在于你传递的参数直接决定了输出数组的shape。rand(5)生成shape为(5,)的数组rand(3, 2)生成shape为(3, 2)的数组。这种设计让它在初始化权重矩阵、生成模拟数据时非常方便。2.2 底层原理与“均匀”的含义所谓“均匀分布”是指在区间[0, 1)内任何一个子区间被抽中的概率只与该子区间的长度成正比而与它的位置无关。例如随机数落在[0.2, 0.3)的概率是10%落在[0.7, 0.8)的概率同样是10%。numpy默认使用梅森旋转算法Mersenne Twister作为伪随机数生成器它周期极长分布均匀性好是业内的标准选择。注意np.random.rand()生成的是连续均匀分布。虽然计算机是离散的但双精度浮点数能表示的数值非常多在视觉和统计上可以近似认为是连续的。2.3 常见应用场景与实操心得场景一快速初始化小型神经网络权重。对于简单的全连接层我们可以用rand()生成初始权重但通常需要稍作调整比如缩放或平移因为[0,1)的范围可能不是最优的。# 初始化一个输入层4个神经元隐藏层3个神经元的权重矩阵 input_size 4 hidden_size 3 # 权重矩阵 W 的 shape 为 (hidden_size, input_size) weights np.random.rand(hidden_size, input_size) print(weights)场景二生成模拟的百分比或概率数据。比如模拟用户点击率、转化率等总是在0到1之间的指标。# 模拟1000个用户的点击率 click_rates np.random.rand(1000) # 假设点击率大于0.5的为高意向用户 high_intent_users click_rates[click_rates 0.5] print(f高意向用户比例: {len(high_intent_users)/1000:.2%})实操心得可复现性在需要复现结果的场景如论文实验、调试bug务必使用np.random.seed()固定随机数种子。seed可以是一个任意整数。np.random.seed(42) # 生命、宇宙以及一切问题的答案 data1 np.random.rand(5) np.random.seed(42) # 再次使用相同的种子 data2 np.random.rand(5) print(data1 data2) # 输出: [ True True True True True]性能考量一次性生成一个大数组如np.random.rand(1000000)比在循环中多次调用np.random.rand()生成单个数字要快得多。这是因为函数调用的开销远大于批量生成的开销。范围限制记住它的范围是[0, 1)。如果你需要其他范围需要自己进行线性变换。例如要得到[a, b)区间的均匀分布公式是a (b - a) * np.random.rand(...)。3. 正态分布的“标准工”np.random.randn()如果说rand()是均匀分布的代言人那randn()就是正态分布高斯分布的“标准工”。它生成的是标准正态分布的随机数即均值为0、标准差为1的正态分布。这个分布在自然界和统计学中无处不在从测量误差到人群的身高分布都能看到它的影子。3.1 函数签名与标准正态分布randn()的参数格式与rand()完全一致用于指定输出数组的维度。它返回的每个元素都是从标准正态分布 $N(0, 1)$ 中独立抽取的样本。import numpy as np # 生成一个标准正态分布的随机数 single_gaussian np.random.randn() print(f单个标准正态随机数: {single_gaussian}) # 可能为负如 -0.234 # 生成一个包含5个样本的一维数组 samples np.random.randn(5) print(f5个样本: {samples}) # 输出可能包含正负值如[ 1.17868057 -0.85409574 -0.65175513 1.51237979 0.30247103] # 生成一个2x3的矩阵 matrix_normal np.random.randn(2, 3) print(f2x3正态分布矩阵:\n{matrix_normal})标准正态分布的概率密度函数呈经典的“钟形曲线”大约68%的值落在[-1, 1]区间95%的值落在[-2, 2]区间99.7%的值落在[-3, 3]区间。你可以用randn()生成数据后用直方图验证这个规律。3.2 从“标准”到“一般”如何生成任意正态分布randn()生成的是标准型但我们可以通过简单的线性变换得到任意均值 $\mu$ 和标准差 $\sigma$ 的正态分布 $N(\mu, \sigma^2)$。变换公式为$X \mu \sigma * Z$其中 $Z$ 是来自randn()的标准正态随机数。mu 175 # 均值例如平均身高175cm sigma 10 # 标准差10cm # 生成10000个服从 N(175, 10^2) 分布的身高样本 heights mu sigma * np.random.randn(10000) # 计算生成数据的均值和标准差验证是否接近设定值 print(f样本均值: {heights.mean():.2f}) # 应接近175 print(f样本标准差: {heights.std():.2f}) # 应接近103.3 核心应用场景深度学习权重初始化这是randn()最重量级的应用场景。在深度学习中权重初始化对模型的训练速度和最终性能有决定性影响。Xavier初始化适用于tanh、sigmoid激活函数和He初始化适用于ReLU及其变种激活函数的核心思想都是从均值为0的正态分布中采样并根据输入输出神经元的数量来调整标准差。以He初始化为例对于一个全连接层假设该层有n_in个输入神经元我们希望初始化权重矩阵W使其满足均值为0标准差为 $\sqrt{2 / n_in}$ 的正态分布。def he_normal_init(n_in, n_out): 使用He正态分布初始化权重矩阵 Args: n_in: 输入维度 n_out: 输出维度 Returns: W: 初始化后的权重矩阵shape (n_out, n_in) std np.sqrt(2.0 / n_in) W std * np.random.randn(n_out, n_in) # 核心就在这里 return W # 初始化一个从784维如MNIST图像到256维隐藏层的权重 W1 he_normal_init(784, 256) print(f权重矩阵形状: {W1.shape}) print(f权重均值(应接近0): {W1.mean():.6f}) print(f权重标准差(应接近sqrt(2/784)): {W1.std():.6f})实操心得与避坑指南不要混淆rand()和randn()这是新手最常见的错误。用rand()初始化深度学习权重值都在0~1通常会导致梯度消失或爆炸因为其分布与网络期望的分布不匹配。对于深层网络务必使用基于正态分布的初始化方法。可视化验证生成数据后用matplotlib画个直方图或Q-Q图是验证分布是否正确的最直观方法。import matplotlib.pyplot as plt data np.random.randn(1000) plt.hist(data, bins30, densityTrue, alpha0.7) plt.title(Histogram of randn() samples) plt.show()randn()生成的值理论上是无界的虽然出现极大或极小的值概率很低。在极端情况下这可能引发数值计算问题如溢出但在实际应用中非常罕见。4. 离散世界的选择np.random.randint()当你的随机需求从连续的浮点数世界跳转到离散的整数世界时np.random.randint()就是你的专属工具。它用于生成在指定半开区间[low, high)内均匀分布的随机整数。4.1 参数详解与生成逻辑函数的常用签名是np.random.randint(low, highNone, sizeNone, dtypeint)。low生成随机整数范围的下限包含。high生成随机整数范围的上限不包含。如果high为None默认则函数将low参数视为上限而下限默认为0。即randint(5)等价于randint(0, 5)。size输出数组的形状。可以是整数生成一维数组或元组生成多维数组。默认为None返回一个标量。dtype期望的输出数据类型。通常是int默认通常是int64或int32取决于系统也可以是np.int32等。import numpy as np # 生成一个 [0, 5) 之间的随机整数 single_int np.random.randint(5) print(f0到4之间的整数: {single_int}) # 生成一个 [3, 8) 之间的随机整数 single_int_range np.random.randint(3, 8) print(f3到7之间的整数: {single_int_range}) # 生成一个包含5个元素的数组每个元素在 [10, 20) 之间 int_array np.random.randint(10, 20, size5) print(f5个在[10,20)的整数: {int_array}) # 生成一个3行4列的矩阵元素在 [0, 100) 之间 int_matrix np.random.randint(0, 100, size(3, 4)) print(f3x4整数矩阵:\n{int_matrix}) # 指定数据类型为32位整数 int_32 np.random.randint(0, 100, size5, dtypenp.int32) print(f数据类型: {int_32.dtype})4.2 “半开区间”的陷阱与明确需求[low, high)这种半开区间设计是编程中的常见约定类似于Python的range函数和列表切片。但它有时会让人困惑。你必须非常清楚你有可能取到low但绝对取不到high。如果你想要生成1到10包含10的随机整数必须使用randint(1, 11)。如果你想要生成-5到5包含5的随机整数必须使用randint(-5, 6)。4.3 经典应用场景数据抽样与索引场景一从数据集中随机抽取小批量Mini-batch。这是训练机器学习模型时的核心操作。# 假设有一个包含10000个样本的数据集 dataset_size 10000 all_indices np.arange(dataset_size) # 设置批量大小 batch_size 64 # 随机抽取一个批量的索引不重复抽样可以通过 permutation 实现 # 这里演示有放回抽样 batch_indices np.random.randint(0, dataset_size, sizebatch_size) print(f批量索引: {batch_indices[:10]}...) # 打印前10个 # 假设 X_train, y_train 是训练数据和标签 # batch_X X_train[batch_indices] # batch_y y_train[batch_indices]场景二生成模拟的类别标签或离散选择。例如模拟掷骰子、抽奖、或者生成分类任务的随机标签。# 模拟掷一个六面骰子1000次 num_rolls 1000 dice_rolls np.random.randint(1, 7, sizenum_rolls) # 注意是1到7不含7 print(f前10次掷骰结果: {dice_rolls[:10]}) print(f点数6出现的频率: {(dice_rolls 6).mean():.3f}) # 应接近1/6 # 模拟一个三分类问题的随机预测标签用于基线模型 num_samples 500 random_labels np.random.randint(0, 3, sizenum_samples) # 类别0, 1, 2场景三为图像添加随机位置噪声或裁剪。# 假设有一张高为H宽为W的图片我们想随机裁剪一个 100x100 的patch H, W 480, 640 crop_size 100 # 随机生成裁剪区域的左上角坐标确保不越界 top np.random.randint(0, H - crop_size 1) # 注意1因为区间是[0, H-crop_size] left np.random.randint(0, W - crop_size 1) print(f裁剪区域左上角坐标: (top{top}, left{left})) # 那么裁剪区域就是 img[top:topcrop_size, left:leftcrop_size]实操心得性能 vs 灵活性对于生成大量随机整数randint()非常高效。但如果需要更复杂的离散分布如非均匀分布、多项式分布应使用np.random.choice()。随机种子的一致性和之前一样在调试时使用np.random.seed()保证每次运行的随机索引相同这对复现训练过程至关重要。size参数非常强大。你可以直接生成一个多维数组的随机整数而不需要写循环这得益于numpy的向量化操作能极大提升效率。5. 自定义范围的均匀分布np.random.uniform()np.random.uniform()像是np.random.rand()的增强版。rand()固定生成[0,1)的数而uniform()允许你自由指定均匀分布的下限low和上限high生成区间[low, high)内的随机浮点数。5.1 函数参数与区间控制函数的签名是np.random.uniform(low0.0, high1.0, sizeNone)。low分布的下界包含默认为0.0。high分布的上界不包含默认为1.0。当只传入一个参数时该参数会被赋值给high而low使用默认值0.0。即uniform(5)生成[0.0, 5.0)的随机数。size输出数组的形状与之前函数一致。import numpy as np # 生成一个 [0.0, 1.0) 的随机数等同于 rand() single_default np.random.uniform() print(f默认[0,1)随机数: {single_default}) # 生成一个 [2.5, 5.5) 的随机数 single_custom np.random.uniform(2.5, 5.5) print(f[2.5, 5.5)随机数: {single_custom}) # 生成一个 [-1.0, 1.0) 的随机数 single_negative np.random.uniform(-1.0, 1.0) print(f[-1.0, 1.0)随机数: {single_negative}) # 生成一个形状为 (2, 3) 的数组元素在 [10, 20) 之间 array_uniform np.random.uniform(10, 20, size(2, 3)) print(f[10,20)均匀分布数组:\n{array_uniform})5.2 与rand()的关系及选择策略本质上np.random.uniform(0, 1, size)和np.random.rand(*size)是等价的它们都基于同一个底层随机数生成器。那么如何选择代码简洁性当需要[0,1)区间时rand()更简洁特别是生成多维数组时rand(3,4)比uniform(0,1,(3,4))更易写易读。灵活性当需要非[0,1)的均匀分布时必须使用uniform()。一致性如果你的代码中已经大量使用了uniform()来生成各种范围的数那么为了风格统一即使生成[0,1)的数也可以继续用uniform()。5.3 高级应用模拟与采样场景一蒙特卡洛方法求积分。这是uniform()的经典应用。例如计算函数 $y x^2$ 在区间[0, 2]下的面积积分。def mc_integrate(func, low, high, num_samples100000): 使用蒙特卡洛方法计算定积分 Args: func: 被积函数 low, high: 积分区间 num_samples: 采样点数 Returns: 积分近似值 # 在积分区间内均匀采样 x_samples np.random.uniform(low, high, num_samples) # 计算函数值 y_samples func(x_samples) # 积分近似值 区间宽度 * 函数值的平均值 integral_approx (high - low) * np.mean(y_samples) return integral_approx # 计算 x^2 在 [0,2] 的积分理论值是 (1/3)*2^3 8/3 ≈ 2.6667 result mc_integrate(lambda x: x**2, 0, 2, num_samples1000000) print(f蒙特卡洛积分结果: {result:.6f}) print(f理论积分值: {8/3:.6f})场景二模拟带有随机性的物理过程或游戏机制。例如模拟粒子在某个范围内的随机初始位置或者游戏装备掉落率在一个区间内波动。# 模拟100个粒子在二维空间 [0, 10)x[0, 10) 内的初始位置 num_particles 100 particle_x np.random.uniform(0, 10, num_particles) particle_y np.random.uniform(0, 10, num_particles) # 模拟装备强化每次强化增加的攻击力在 [3.0, 7.5) 之间随机波动 base_attack 100 strength_level 5 attack_increments np.random.uniform(3.0, 7.5, strength_level) current_attack base_attack np.sum(attack_increments) print(f强化{strength_level}次后攻击力增量序列: {attack_increments}) print(f最终攻击力: {current_attack:.2f})场景三生成用于测试的合成数据。可以快速生成符合特定范围约束的模拟数据。# 生成模拟的“用户年龄”和“收入”数据假设年龄在18-70岁均匀分布收入在2万-50万均匀分布 num_users 50 ages np.random.uniform(18, 70, num_users).astype(int) # 转成整数更合理 incomes np.random.uniform(20000, 500000, num_users) # 生成模拟的温度传感器读数假设在20.0到25.0摄氏度之间均匀波动 readings np.random.uniform(20.0, 25.0, size(24, 60)) # 模拟一天每小时每分钟的读数 print(f温度读数矩阵形状: {readings.shape})实操心得与进阶提示注意浮点数精度和所有浮点数计算一样uniform()生成的是离散的浮点值并非数学上真正的连续均匀分布。但对于绝大多数应用这已经足够精确。size参数的广播机制low和high可以是标量也可以是数组。当它们是数组时size参数定义了输出形状而low和high会进行广播。这可以用来一次性生成来自不同区间的随机数但用法相对复杂需谨慎。# 生成三组数据分别来自不同区间 lows np.array([0, 10, 100]) highs np.array([1, 20, 200]) # 这会生成一个形状为(3, 5)的数组其中第i行来自区间[lows[i], highs[i]) data np.random.uniform(lows[:, np.newaxis], highs[:, np.newaxis], size(3, 5))与random模块的区别Python内置的random模块也有uniform()函数但它一次只生成一个数且不支持向量化操作。在需要生成大量随机数的数据科学任务中numpy的向量化函数有数量级的性能优势。6. 总结对比与选用指南经过对四个函数的详细拆解我们可以把它们放在一起做个清晰的对比这能帮助你在实际编码时快速做出正确选择。特性np.random.rand(d0, d1, ...)np.random.randn(d0, d1, ...)np.random.randint(low, high, size)np.random.uniform(low, high, size)分布类型连续均匀分布标准正态分布高斯分布离散均匀分布连续均匀分布默认范围[0.0, 1.0)均值0标准差1[0, high)(当未指定low)[0.0, 1.0)(当未指定low, high)输出类型浮点数 (float64)浮点数 (float64)整数 (int默认int64/int32)浮点数 (float64)核心用途快速生成[0,1)概率、百分比需要自定义变换的均匀分布基础数据生成符合正态分布的数据深度学习权重初始化模拟噪声生成随机整数数组索引模拟离散事件掷骰、抽奖生成任意区间[low, high)的均匀分布随机浮点数选择关键需要[0,1)均匀分布时最简洁需要正态分布数据时使用尤其是均值为0标准差1的情况需要整数时使用注意半开区间[low, high)需要非[0,1)的均匀分布浮点数时使用快速选用决策流程问我需要整数还是浮点数整数- 选np.random.randint()。浮点数- 进入第2步。问我需要什么样的分布均匀分布且范围正好是[0, 1)- 选np.random.rand()最简洁。均匀分布但范围是自定义的[a, b)- 选np.random.uniform(a, b)。正态分布钟形曲线- 选np.random.randn()。如果需要非标准正态记得用mu sigma * randn(...)进行变换。一个综合性的例子数据增强在图像数据增强中我们可能会同时用到这几个函数def random_augment(image): 对输入图像进行随机增强 H, W, C image.shape augmented image.copy() # 1. 随机亮度调整 (使用uniform生成调整因子) brightness_factor np.random.uniform(0.7, 1.3) # 亮度在70%到130%之间变化 augmented np.clip(augmented * brightness_factor, 0, 255) # 2. 添加高斯噪声 (使用randn生成噪声) if np.random.rand() 0.5: # 50%的概率添加噪声rand()用于生成概率 noise_std 5.0 gaussian_noise noise_std * np.random.randn(H, W, C) augmented np.clip(augmented gaussian_noise, 0, 255) # 3. 随机水平翻转 (使用rand生成概率决定是否翻转) if np.random.rand() 0.5: augmented augmented[:, ::-1, :] # 水平翻转 # 4. 随机裁剪 (使用randint生成裁剪起始点) crop_h, crop_w 224, 224 # 确保不越界 top np.random.randint(0, H - crop_h 1) left np.random.randint(0, W - crop_w 1) augmented augmented[top:topcrop_h, left:leftcrop_w, :] return augmented这个例子展示了如何根据不同的需求概率判断、噪声生成、位置确定选择合适的随机函数。最后记住那句老话理解工具才能用好工具。在下次需要随机数时先花一秒钟想想你的数据应该服从什么分布这能让你写出更正确、更高效的代码。
从原理到实战：单片机与PC的数据交换核心)
