numpy.random.Generator.uniform

方法

random.Generator.uniform(low=0.0, high=1.0, size=None)

从均匀分布中抽取样本.

样本均匀分布在半开区间 [low, high) 上（包括 low,但不包括 high）.换句话说,给定区间内的任何值被 uniform 抽中的概率是相等的.

参数:

low浮点数或浮点数的类数组对象,可选

输出区间的下界.生成的所有值都将大于或等于低.默认值为0.

high浮点数或浮点数的类数组对象

输出区间的上界.生成的所有值都将小于高.由于方程 low + (high-low) * random_sample() 中的浮点数舍入,高限制可能包含在返回的浮点数数组中.高 - 低必须为非负数.默认值为 1.0.

size整数或整数的元组,可选

输出形状.如果给定的形状是,例如,``(m, n, k)``,那么会抽取 m * n * k 个样本.如果大小是 None``（默认）,当 ``low 和 high 都是标量时,返回一个单一值.否则,会抽取 np.broadcast(low, high).size 个样本.

返回:

outndarray 或标量

从参数化的均匀分布中抽取样本.

参见

integers

离散均匀分布,产生整数.

random

在 [0, 1) 上均匀分布的浮点数.

备注

均匀分布的概率密度函数是

\[p(x) = \frac{1}{b - a}\]

在区间 [a, b) 内的任何地方,其他地方为零.

当 high == low 时,将返回 low 的值.

示例

从分布中抽取样本:

>>> rng = np.random.default_rng()
>>> s = rng.uniform(-1,0,1000)

所有值都在给定的区间内:

>>> np.all(s >= -1)
True
>>> np.all(s < 0)
True

显示样本的直方图,以及概率密度函数:

>>> import matplotlib.pyplot as plt
>>> count, bins, _ = plt.hist(s, 15, density=True)
>>> plt.plot(bins, np.ones_like(bins), linewidth=2, color='r')
>>> plt.show()