Python数据分析与展示之numpy生成二维及多维正态分布随机数
一、numpy模块初识NumPy(Numerical Python)是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵,比Python自身的嵌套列表(nested list structure)结构要高效的多(该结构也可以用来表示矩阵(matrix)),支持大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库。二、生成0~1的数组:np.random.random
·
一、numpy模块初识
NumPy(Numerical Python)是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵,比Python自身的嵌套列表(nested list structure)结构要高效的多(该结构也可以用来表示矩阵(matrix)),支持大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库。
二、生成0~1的数组:np.random.random
import numpy as np # 导入模块
array = np.random.random(6) # 随机生成0~1的随机数,参数表示个数
print(array) # 打印数组
# 输出结果
# [0.291581 0.94386352 0.17057392 0.68169912 0.71410809 0.48869206]
三、正态分布(一维):np.random.randn (n)
# 正态分布
import numpy as np # 导入模块
array = np.random.randn(6) # 随机生成0~1的随机数,参数表示个数
print(array) # 打印数组
# 输出结果
# [ 0.36854586 -0.14679773 0.8571154 0.32133017 -0.19686295 -1.13227268]
四、正态分布(二维):np.random.randn (2,n)注意结果中括号数量
# 正态分布
import numpy as np # 导入模块
array = np.random.randn(2,6) # 随机生成0~1的随机数,参数表示个数
print(array) # 打印数组
# 输出结果
# [[ 0.07126508 -1.00878137 -2.55524076 -0.30622609 -0.15677762 0.29451671]
# [ 0.82189096 0.15222826 -0.22179691 -1.0938879 -0.53919851 1.01396701]]
五、正态分布(多维):np.random.randn (x,y)
# 正态分布
import numpy as np # 导入模块
array = np.random.randn(5,6) # 随机生成0~1的随机数,参数表示个数
print(array) # 打印数组
# 输出结果
# [[-1.54956132 0.17128378 -0.50218919 -0.76759462 -1.25870508 0.81819736]
# [-1.5647944 -0.53984111 -0.67357775 1.32124529 -0.78602524 -0.24988648]
# [ 0.03747857 0.4691213 0.64394841 -0.0338305 0.32232235 0.37518126]
# [ 0.99779461 0.57622062 -0.80662965 0.01579862 -0.03792585 0.3087749 ]
# [ 0.92132549 0.85622781 1.46119892 0.05633672 1.44731465 0.64289519]]
六、遍历数组(嵌套循环)
# 正态分布
import numpy as np # 导入模块
array = np.random.randn(3, 3) # 随机生成0~1的随机数,参数表示个数
print(array) # 打印数组
print("-----------------------")
for array1 in array: # 一重遍历
for array2 in array1: # 二重遍历
if (array2 > 0) and (array2 < 1): # 添加所需条件
print(array2) # 打印
# 输出结果
# [[-0.06447758 0.50622103 -1.06414826]
# [-0.93554389 -0.79832955 -1.92540642]
# [ 1.10755039 0.76215104 0.8568204 ]]
# -----------------------
# 0.506221028078229
# 0.7621510394939643
# 0.8568204017768024
更多推荐
所有评论(0)