Python中的Numpy.random中的rand vs normal

在本文中，我们将详细研究 Numpy.random.rand() 方法和 Numpy.random.normal() 方法之间的主要区别。

• 关于随机：对于随机，我们采用 .rand()
  numpy.random.rand(d0, d1, ..., dn) ：
  创建一个指定形状的数组和
  用随机值填充它。
  参数 ：

  d0, d1, ..., dn : [int, optional]
  Dimension of the returned array we require, 
  
  If no argument is given a single Python float 
  is returned.
  

  返回 ：

  Array of defined shape, filled with random values.
  

• 关于正常：对于随机，我们采用 .normal()
  numpy.random.normal(loc = 0.0, scale = 1.0, size = None) ：创建一个指定形状的数组并用随机值填充它，这实际上是 Normal(Gaussian)Distribution 的一部分。这是分布也因其特征形状而被称为钟形曲线。
  参数 ：

  loc   : [float or array_like]Mean of 
  the distribution. 
  scale : [float or array_like]Standard 
  Derivation of the distribution. 
  size  : [int or int tuples]. 
  Output shape given as (m, n, k) then
  m*n*k samples are drawn. If size is 
  None(by default), then a single value
  is returned. 
  

  返回 ：

  Array of defined shape, filled with 
  random values following normal 
  distribution.
  

  代码1：随机构造一维数组

  # Python Program illustrating
  # numpy.random.rand() method
     
  import numpy as geek
     
  # 1D Array
  array = geek.random.rand(5)
  print("1D Array filled with random values : \n", array)
  

  输出 ：

  1D Array filled with random values : 
   [ 0.84503968  0.61570994  0.7619945   0.34994803  0.40113761]
  
  

  代码 2：按照高斯分布随机构造一维数组

  # Python Program illustrating
  # numpy.random.normal() method
     
  import numpy as geek
     
  # 1D Array
  array = geek.random.normal(0.0, 1.0, 5)
  print("1D Array filled with random values "
        "as per gaussian distribution : \n", array)
  # 3D array
  array = geek.random.normal(0.0, 1.0, (2, 1, 2))
  print("\n\n3D Array filled with random values "
        "as per gaussian distribution : \n", array)
  

  输出 ：

  1D Array filled with random values as per gaussian distribution : 
   [-0.99013172 -1.52521808  0.37955684  0.57859283  1.34336863]
  
  3D Array filled with random values as per gaussian distribution : 
   [[[-0.0320374   2.14977849]]
  
   [[ 0.3789585   0.17692125]]]
  

  
  Code3：说明 NumPy 中随机与正常的图形表示的Python程序

  # Python Program illustrating
  # graphical representation of 
  # numpy.random.normal() method
  # numpy.random.rand() method
     
  import numpy as geek
  import matplotlib.pyplot as plot
     
  # 1D Array as per Gaussian Distribution
  mean = 0 
  std = 0.1
  array = geek.random.normal(0, 0.1, 1000)
  print("1D Array filled with random values "
        "as per gaussian distribution : \n", array);
    
  # Source Code : 
  # https://docs.scipy.org/doc/numpy-1.13.0/reference/
  # generated/numpy-random-normal-1.py
  count, bins, ignored = plot.hist(array, 30, normed=True)
  plot.plot(bins, 1/(std * geek.sqrt(2 * geek.pi)) *
            geek.exp( - (bins - mean)**2 / (2 * std**2) ),
            linewidth=2, color='r')
  plot.show()
    
    
  # 1D Array constructed Randomly
  random_array = geek.random.rand(5)
  print("1D Array filled with random values : \n", random_array)
    
  plot.plot(random_array)
  plot.show()
  

  输出 ：

  根据高斯分布填充随机值的一维数组：[ 0.12413355 0.01868444 0.08841698 ..., -0.01523021 -0.14621625 -0.09157214] 一维数组填充随机值：[0.72654409 0.26955422 0.19500427 0.37178803 0.10196284]

  重要的 ：
  在代码 3 中，图 1 清楚地显示了高斯分布，因为它是根据通过 random.normal() 方法生成的值创建的，因此遵循高斯分布。
  图 2 不遵循任何分布，因为它是由 random.rand() 方法生成的随机值创建的。