numpy.random.uniform#
- random.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浮点数或浮点数组,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或等于高.由于方程
low + (high-low) * random_sample()中的浮点数舍入,高限可能包含在返回的浮点数数组中.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
randint离散均匀分布,产生整数.
random_integers离散均匀分布在闭区间
[low, high]上.random_sample在
[0, 1)上均匀分布的浮点数.randomrandom_sample的别名.rand接受尺寸作为输入的便捷函数,例如,``rand(2,2)`` 将生成一个 2x2 的浮点数数组,均匀分布在
[0, 1)区间内.random.Generator.uniform应该用于新代码.
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.如果high<low,结果是正式未定义的,并且最终可能会引发错误,即不要依赖此函数在传递满足该不等式条件的参数时的行为.由于方程low + (high-low) * random_sample()中的浮点数舍入,``high`` 限制可能会包含在返回的浮点数数组中.例如:>>> x = np.float32(5*0.99999999) >>> x np.float32(5.0)
示例
从分布中抽取样本:
>>> s = np.random.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, ignored = plt.hist(s, 15, density=True) >>> plt.plot(bins, np.ones_like(bins), linewidth=2, color='r') >>> plt.show()
