Python numpy RandomState.uniform用法及代码示例

本文简要介绍 python 语言中 numpy.random.RandomState.uniform 的用法。

用法:

random.RandomState.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)(包括低，但不包括高)。换句话说，给定区间内的任何值都同样可能被 uniform 绘制。

注意

新代码应改为使用default_rng() 实例的uniform 方法；请参阅快速入门。

参数：

low： float 或 数组 的浮点数，可选

输出区间的下边界。生成的所有值都将大于或等于低。默认值为 0。

high： 浮点数或类似数组的浮点数

输出区间的上边界。生成的所有值都将小于或等于 high。由于等式 low + (high-low) * random_sample() 中的浮点舍入，上限可能包含在返回的浮点数组中。默认值为 1.0。

size： int 或整数元组，可选

输出形状。例如，如果给定的形状是 (m, n, k) ，则绘制 m * n * k 样本。如果 size 为 None(默认)，如果 low 和 high 都是标量，则返回单个值。否则，将抽取np.broadcast(low, high).size 样本。

返回：

out： ndarray 或标量

从参数化均匀分布中抽取样本。

注意：

均匀分布的概率密度函数为

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

区间内的任何地方 [a, b) ，其他地方为零。

当 high == low 时，将返回 low 的值。如果 high < low ，结果是官方未定义的，最终可能会引发错误，即当传递满足该不等式条件的参数时，不要依赖此函数的行为。由于等式 low + (high-low) * random_sample() 中的浮点舍入，high 限制可能包含在返回的浮点数组中。例如：

>>> x = np.float32(5*0.99999999)
>>> x
5.0

例子：

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()