numpy伪随机数的生成

normal函数

可以用normal来得到一个标准正态分布的4×4样本数组

>>> import numpy as np
>>> samples=np.random.normal(size=(4,4))
>>> samples
array([[-1.24275887,  0.82243858, -0.04646941, -0.6668008 ],
       [ 0.2562527 ,  1.42003215,  1.11415246,  0.49878296],
       [-0.59063632, -1.43172294,  1.24651681,  0.26291333],
       [ 0.89711844,  0.07983999, -1.61354204,  0.05503528]])

seed函数

这些都是伪随机数，是因为它们都是通过算法基于随机数生成器种子，在确定性的条件下生成的。可以用NumPy的np.random.seed更改随机数生成种子：

>>> np.random.seed(1234)

RandomState

numpy.random的数据生成函数使用了全局的随机种子。要避免全局状态，可以使用numpy.random.RandomState，创建一个与其它隔离的随机数生成器：

>>> rng=np.random.RandomState(1234)
>>> rng.randn(10)
array([ 0.47143516, -1.19097569,  1.43270697, -0.3126519 , -0.72058873,
        0.88716294,  0.85958841, -0.6365235 ,  0.01569637, -2.24268495])

部分numpy.random下的函数

numpy伪随机数的生成

原文：https://www.cnblogs.com/mengxiaoleng/p/11630729.html