NumPy 中的随机数
什么是随机数？
随机数并不意味着每次都会产生不同的数字。随机意味着某些东西在逻辑上是不可预测的。
伪随机和真随机。
计算机依赖于程序运行，而程序是一套明确的指令集。所以这意味着必须有一些算法来生成随机数。
如果存在一个生成随机数的程序，那么它就可以被预测，因此它并不是真正的随机。
通过生成算法产生的随机数被称为伪随机数。
我们可以生成真正的随机数吗？
可以。为了在计算机上生成真正的随机数，我们需要从某些外部来源获取随机数据。这些外部来源通常是我们的击键、鼠标移动、网络上的数据等。
我们不需要真正的随机数，除非它与安全性相关（例如加密密钥）或应用程序的基础是随机性（例如数字轮盘）。
在本教程中，我们将使用伪随机数。
生成随机数
NumPy 提供了 random 模块来处理随机数。
实例
生成 0 到 100 之间的随机整数：
from numpy import random x = random.randint(100) print(x)
生成随机浮点数
random 模块的 rand() 方法返回 0 到 1 之间的随机浮点数。
实例
生成一个从 0 到 1 的随机浮点数：
from numpy import random x = random.rand() print(x)
生成随机数组
在 NumPy 中，我们使用数组，您可以使用上面示例中的两种方法来创建随机数组。
整数
randint() 方法接受一个 size 参数，您可以在其中指定数组的形状。
实例
生成一个包含 5 个从 0 到 100 的随机整数的一维数组：
from numpy import random x=random.randint(100, size=(5)) print(x)
实例
生成一个 3 行的二维数组，每行包含 5 个从 0 到 100 的随机整数：
from numpy import random x = random.randint(100, size=(3, 5)) print(x)
浮点数
rand() 方法也允许您指定数组的形状。
实例
生成包含 5 个随机浮点数的一维数组：
from numpy import random x = random.rand(5) print(x)
实例
生成一个 3 行的二维数组，每行包含 5 个随机数：
from numpy import random x = random.rand(3, 5) print(x)
从数组中生成随机数
choice() 方法允许您基于一个值数组生成一个随机值。
choice() 方法接受一个数组作为参数，并随机返回其中一个值。
实例
返回数组中的一个值：
from numpy import random x = random.choice([3, 5, 7, 9]) print(x)
choice() 方法还允许您返回值数组。
添加一个 size 参数来指定数组的形状。
实例
生成一个由数组参数中的值（3、5、7 和 9）组成的二维数组：
from numpy import random x = random.choice([3, 5, 7, 9], size=(3, 5)) print(x)