博客

基于numpy.random.randn()与rand()的区别详解

NumPy是一个Python的科学计算库，提供了多种数据处理和分析工具，包括数组操作、线性代数、傅里叶变换、随机数生成等。本文将详细介绍基于numpy.random.randn()与rand()的区别。

numpy.random.randn()

numpy.random.randn()函数返回一个或多个样本，具有标准正态分布。标准正态分布是指均值为0，标准差为1的正态分布。以下是numpy.random.randn()的示例：

import numpy as np

# 生成10个样本
x = np.random.randn(10)

# 显示结果
print(x)

在这个示例中，我们使用numpy.random.randn()函数生成10个样本，并将其存储在数组x中。我们使用print函数显示结果。

numpy.random.rand()

numpy.random.rand()函数返回一个或多个样本，具有均匀分布。匀分布是指在指定的区间内，每个值的概率相等。以下是numpy.random.rand()的示例：

import numpy as np

# 生成10个样本
x = np.random.rand(10)

# 显示结果
print(x)

在这个示例中，我们使用numpy.random.rand()函数10个样本，并将其存储在数组x中。我们使用print函数显示结果。

区别

numpy.random.randn()和numpy.random.rand()函数的主要区别在于生成的样本的分布不同。numpy.random.randn()函数生成的样本具有标准正态分布，而numpy.random.rand()函数生成的样本具有均匀分布。此外，numpy.random.randn()函数可以生成多个样本，而numpy.random.rand()函数只能生成一个样本。

总结

本文介绍了基于numpy.random.randn()与rand()的区别。NumPy是一个Python的科学计算库，提供了多种数据处理和分析工具，包括数组操作、线性代数、傅里叶变换、随机数生成等。在实际开发中，可以根据需要选择合适的函数来生成符合要求的随机数。numpy.random.randn()函数生成的样本具有标准正态分布，而numpy.random.rand()函数生成的样本具有均匀分布。