從人工神經(jīng)網(wǎng)絡(luò)中權(quán)重的隨機(jī)初始化，到將數(shù)據(jù)分成隨機(jī)訓(xùn)練集和測試集，再到隨機(jī)梯度下降中訓(xùn)練數(shù)據(jù)集的隨機(jī)混洗，生成隨機(jī)數(shù)和利用隨機(jī)性是一項必備技能。

本文講解了如何在 Python 中生成和使用隨機(jī)數(shù)。完成本教程后，你能夠了解：

• 這種隨機(jī)性可以通過使用偽隨機(jī)數(shù)生成器應(yīng)用于程序中。

• 如何通過Python標(biāo)準(zhǔn)庫生成隨機(jī)數(shù)和使用隨機(jī)性。

• 如何通過NumPy庫生成隨機(jī)數(shù)數(shù)組。

大家先來看下本教程的目錄：

1.偽隨機(jī)數(shù)發(fā)生器

2.Python 標(biāo)準(zhǔn)庫中的隨機(jī)數(shù)

• 種子隨機(jī)數(shù)生成器

• 隨機(jī)浮點(diǎn)值

• 隨機(jī)整數(shù)值

• 隨機(jī)高斯值

• 從列表中隨機(jī)選擇

• 列表中的隨機(jī)子樣本

• 隨機(jī)打亂列表

3.使用NumPy處理隨機(jī)數(shù)

• 種子隨機(jī)數(shù)生成器

• 隨機(jī)浮點(diǎn)值數(shù)組

• 隨機(jī)整數(shù)值數(shù)組

• 隨機(jī)高斯值數(shù)組

• 隨機(jī)排列NumPy數(shù)組

以后自己敲代碼用到這個知識點(diǎn)的時候，按著這個學(xué)習(xí)思路回憶一遍整個知識點(diǎn)，加強(qiáng)記憶，能夠培養(yǎng)代碼思維能力。

1. 偽隨機(jī)數(shù)發(fā)生器

我們注入程序和算法的隨機(jī)性來源是一種稱為偽隨機(jī)數(shù)生成器的數(shù)學(xué)技巧。

隨機(jī)數(shù)生成器是一種從真正的隨機(jī)源生成隨機(jī)數(shù)的系統(tǒng)。通常是物理的東西，比如蓋革計數(shù)器，結(jié)果會變成隨機(jī)數(shù)。我們在機(jī)器學(xué)習(xí)中不需要真正的隨機(jī)性。相反，我們可以使用偽隨機(jī)性。偽隨機(jī)性是一個看起來接近隨機(jī)的數(shù)字樣本，但它是使用確定性過程生成的。

混洗數(shù)據(jù)和用隨機(jī)值初始化系數(shù)使用偽隨機(jī)數(shù)生成器。這些小程序通常是一個可以調(diào)用的函數(shù)，它會返回一個隨機(jī)數(shù)。再次調(diào)用，他們將返回一個新的隨機(jī)數(shù)。包裝函數(shù)通常也可用，并允許你將隨機(jī)性作為整數(shù)、浮點(diǎn)數(shù)、特定分布內(nèi)、特定范圍內(nèi)等。

數(shù)字是按順序生成的。該序列是確定性的，并以初始數(shù)字作為種子。如果你沒有明確地為偽隨機(jī)數(shù)生成器設(shè)置種子（seed），那么它可能會使用以秒或毫秒為單位的當(dāng)前系統(tǒng)時間作為種子（seed）。

種子的價值并不重要。選擇任何你想要的。重要的是該過程的相同種子將導(dǎo)致相同的隨機(jī)數(shù)序列。

2. Python 標(biāo)準(zhǔn)庫中的隨機(jī)數(shù)

Python標(biāo)準(zhǔn)庫提供了一個名為random的模塊，該模塊提供了一套用于生成隨機(jī)數(shù)的函數(shù)。

Python使用一種流行且強(qiáng)大的偽隨機(jī)數(shù)生成器，稱為Mersenne Twister。

在本節(jié)中，我們將查看一些使用標(biāo)準(zhǔn)Python API生成和使用隨機(jī)數(shù)和隨機(jī)性的用例。

種子隨機(jī)數(shù)生成器

偽隨機(jī)數(shù)生成器是一個數(shù)學(xué)函數(shù)，它生成一個幾乎隨機(jī)數(shù)的序列。

它需要一個參數(shù)來啟動序列，稱為種子。該函數(shù)是確定性的，這意味著給定相同的種子，它每次都會產(chǎn)生相同的數(shù)字序列。種子的選擇并不重要。

seed()函數(shù)將播種的偽隨機(jī)數(shù)發(fā)生器，以整數(shù)值作為參數(shù)，如1或7。如果seed()函數(shù)之前沒有使用隨機(jī)性調(diào)用時，默認(rèn)是使用當(dāng)前系統(tǒng)時間中從epoch (1970) 開始的毫秒數(shù)。

下面的示例演示了為偽隨機(jī)數(shù)生成器設(shè)置種子，生成一些隨機(jī)數(shù)，并顯示為生成器重新設(shè)置種子將導(dǎo)致生成相同的數(shù)字序列。

運(yùn)行示例為偽隨機(jī)數(shù)生成器設(shè)置值為1的種子，生成3個隨機(jī)數(shù)，重新設(shè)置生成器的種子，并顯示生成了相同的三個隨機(jī)數(shù)。

通過設(shè)置種子來確保你的代碼每次產(chǎn)生相同的結(jié)果來控制隨機(jī)性非常有用，例如在生產(chǎn)模型中。

對于使用隨機(jī)化來控制混雜變量的運(yùn)行實驗，可以為每個實驗運(yùn)行使用不同的種子。

隨機(jī)浮點(diǎn)值

可以使用random()函數(shù)生成隨機(jī)浮點(diǎn)值。值將在0和1之間的范圍內(nèi)生成，特別是在區(qū)間 [0,1] 中。

值是從均勻分布中抽取的，這意味著每個值被抽取的機(jī)會均等。

下面的示例生成10個隨機(jī)浮點(diǎn)值。

運(yùn)行示例生成并打印每個隨機(jī)浮點(diǎn)值。

通過將浮點(diǎn)值乘以新范圍的大小并添加最小值，可以將浮點(diǎn)值重新縮放到所需范圍，如下所示：

其中min和max分別是所需范圍的最小值和最大值，value是在0和1之間的范圍內(nèi)隨機(jī)生成的浮點(diǎn)值。

隨機(jī)整數(shù)值

可以使用randint()函數(shù)生成隨機(jī)整數(shù)值。

此函數(shù)采用兩個參數(shù)：生成的整數(shù)值范圍的開始和結(jié)束。隨機(jī)整數(shù)是在范圍值的開始和結(jié)束之內(nèi)生成的，特別是在區(qū)間 [start, end] 中。隨機(jī)值取自均勻分布。

下面的示例生成0到10之間的10個隨機(jī)整數(shù)值。

運(yùn)行示例生成并打印10個隨機(jī)整數(shù)值。

隨機(jī)高斯值

可以使用gauss()函數(shù)從高斯分布中提取隨機(jī)浮點(diǎn)值。

該函數(shù)采用兩個參數(shù)，分別對應(yīng)于控制分布大小的參數(shù)，特別是均值和標(biāo)準(zhǔn)差。

下面的示例從均值為0.0且標(biāo)準(zhǔn)差為1.0的高斯分布中生成10個隨機(jī)值。

請注意，這些參數(shù)不是值的界限，值的分布將由分布的鐘形控制，在這種情況下，按比例可能高于和低于0.0。

運(yùn)行示例生成并打印10個高斯隨機(jī)值。

從列表中隨機(jī)選擇

隨機(jī)數(shù)可用于從列表中隨機(jī)選擇一個項目。

例如，如果一個列表有10個索引在0到9之間的項目，那么你可以生成一個0到9之間的隨機(jī)整數(shù)，并使用它從列表中隨機(jī)選擇一個項目。該choice()函數(shù)實現(xiàn)這種行為。以統(tǒng)一的可能性進(jìn)行選擇。

下面的示例生成一個包含20個整數(shù)的列表，并給出了從列表中隨機(jī)選擇一項的五個示例。

運(yùn)行該示例首先打印整數(shù)值列表，然后是從列表中選擇和打印隨機(jī)值的五個示例。

列表中的隨機(jī)子樣本

我們可能對重復(fù)從列表中隨機(jī)選擇項目以創(chuàng)建隨機(jī)選擇的子集感興趣。

重要的是，一旦從列表中選擇了一個項目并將其添加到子集中，就不應(yīng)再次添加。這稱為無替換選擇，因為一旦從列表中為子集選擇了一個項目，它就不會被添加回原始列表（即不能用于重新選擇）。

此行為在sample（）函數(shù)中提供，該函數(shù)從列表中隨機(jī)選擇一個樣本而無需替換。該函數(shù)將列表和子集的大小作為參數(shù)進(jìn)行選擇。請注意，項目實際上并未從原始列表中刪除，只是選擇到列表的副本中。

下面的示例演示從20個整數(shù)列表中選擇五個項目的子集。

運(yùn)行該示例首先打印整數(shù)值列表，然后選擇并打印隨機(jī)樣本進(jìn)行比較。

隨機(jī)打亂列表

隨機(jī)性可用于洗牌項目列表，例如shuffling。

該shuffle()函數(shù)可用于洗牌的列表。shuffle就地執(zhí)行，這意味著作為參數(shù)提供給shuffle()函數(shù)的列表被打亂，而不是被創(chuàng)建和返回的列表的打亂副本。

下面的示例演示了隨機(jī)打亂整數(shù)值列表。

運(yùn)行該示例首先打印整數(shù)列表，然后在隨機(jī)打亂后打印相同的列表。

3. NumPy的隨機(jī)數(shù)

在機(jī)器學(xué)習(xí)中，你可能會使用scikit-learn和Keras等庫。

這些庫在幕后使用了NumPy，該庫可以非常高效地處理數(shù)字的向量和矩陣。

NumPy也有自己的偽隨機(jī)數(shù)生成器和便利包裝函數(shù)的實現(xiàn)。

NumPy還實現(xiàn)了Mersenne Twister偽隨機(jī)數(shù)生成器。

讓我們看幾個生成隨機(jī)數(shù)和將隨機(jī)性與NumPy數(shù)組結(jié)合使用的示例。

種子隨機(jī)數(shù)生成器

NumPy偽隨機(jī)數(shù)生成器不同于Python標(biāo)準(zhǔn)庫偽隨機(jī)數(shù)生成器。

重要的是，在Python偽隨機(jī)數(shù)生成器中添加種子不會影響NumPy偽隨機(jī)數(shù)生成器。它必須單獨(dú)播種和使用。

seed()函數(shù)可以被用于接種的NumPy的偽隨機(jī)數(shù)發(fā)生器，將整數(shù)作為seed值。

下面的示例演示了如何為生成器設(shè)置seed以及為生成器重新設(shè)置seed將如何導(dǎo)致生成相同的隨機(jī)數(shù)序列。

運(yùn)行示例為偽隨機(jī)數(shù)生成器提供種子，打印隨機(jī)數(shù)序列，然后為生成器重新設(shè)置種子，顯示生成的隨機(jī)數(shù)序列完全相同。

隨機(jī)浮點(diǎn)值數(shù)組

可以使用rand()NumPy函數(shù)生成隨機(jī)浮點(diǎn)值數(shù)組。

如果未提供參數(shù)，則創(chuàng)建單個隨機(jī)值，否則可以指定數(shù)組的大小。

下面的示例創(chuàng)建了一個從均勻分布中提取的10個隨機(jī)浮點(diǎn)值的數(shù)組。

運(yùn)行該示例會生成并打印隨機(jī)浮點(diǎn)值的NumPy數(shù)組。

隨機(jī)整數(shù)值數(shù)組

可以使用randint()?NumPy函數(shù)生成隨機(jī)整數(shù)數(shù)組。

此函數(shù)接受三個參數(shù)，范圍的下限、范圍的上限以及要生成的整數(shù)值的數(shù)量或數(shù)組的大小。隨機(jī)整數(shù)將從包括較低值和不包括較高值的均勻分布中抽取，例如在區(qū)間 [lower, upper) 中。

下面的示例演示了生成隨機(jī)整數(shù)數(shù)組。

運(yùn)行該示例會生成并打印一個由0到10之間的20個隨機(jī)整數(shù)值組成的數(shù)組。

隨機(jī)高斯值數(shù)組

可以使用randn()NumPy函數(shù)生成隨機(jī)高斯值數(shù)組。

此函數(shù)采用單個參數(shù)來指定結(jié)果數(shù)組的大小。高斯值取自標(biāo)準(zhǔn)高斯分布；這是一個均值為 0.0 且標(biāo)準(zhǔn)差為 1.0 的分布。

下面的示例顯示了如何生成隨機(jī)高斯值數(shù)組。

運(yùn)行示例生成并打印來自標(biāo)準(zhǔn)高斯分布的 10 個隨機(jī)值數(shù)組。

來自標(biāo)準(zhǔn)高斯分布的值可以通過將值乘以標(biāo)準(zhǔn)偏差并添加來自所需縮放分布的平均值來縮放。例如：

其中mean and stdev是用于期望縮放高斯分布的均值和標(biāo)準(zhǔn)差和值是從一個標(biāo)準(zhǔn)高斯分布的隨機(jī)生成值。

隨機(jī)排列NumPy數(shù)組

NumPy數(shù)組可以使用shuffle()?NumPy函數(shù)就地隨機(jī)打亂。

下面的示例演示了如何打亂NumPy數(shù)組。

運(yùn)行該示例首先生成一個包含20個整數(shù)值的列表，然后打亂并打印打亂后的數(shù)組。

如有部分翻譯問題請多擔(dān)待咩哈哈哈哈！

原文鏈接：

https://machinelearningmastery.com/how-to-generate-random-numbers-in-python/

本篇文章又很多交叉的知識，有問題可以去差一些資料學(xué)習(xí)除本篇文章講解之外的知識點(diǎn)。如果你有什么問題就在公眾號后臺給學(xué)姐留言吧！