numpy生成隨機數的實用技巧，需要具體代碼示例

隨機數在數據科學和機器學習中有廣泛的應用。在Python中，numpy是一個被廣泛使用的數學庫，提供了豐富的隨機數生成函數。本文將介紹numpy庫中生成隨機數的實用技巧，並給出具體的代碼示例。

生成隨機整數是常見的需求。numpy庫提供了randint函數來生成指定範圍內的隨機整數。以下示例代碼生成10個範圍在0到9之間的隨機整數：

import numpy as np

random_integers = np.random.randint(0, 10, size=10)
print(random_integers)

生成隨機浮點數

生成隨機浮點數也是常見的需求。numpy庫中的random函數提供了rand和uniform函數用於生成不同分佈的隨機浮點數。以下示例代碼生成一個範圍在0到1之間的隨機浮點數：

import numpy as np

random_float = np.random.rand()
print(random_float)

而以下示例代碼生成一個範圍在1到10之間的隨機浮點數：

import numpy as np

random_float = np.random.uniform(1, 10)
print(random_float)

生成隨機數組

生成隨機數組是常見的需求，numpy庫提供了randn函數用於生成符合標準正態分佈的隨機數組。以下示例代碼生成一個5行3列的隨機數組：

import numpy as np

random_array = np.random.randn(5, 3)
print(random_array)

設置隨機數種子

在使用隨機數時，有時候需要保證生成的隨機數序列是可重複的。numpy庫提供了seed函數用於設置隨機數種子，從而確定隨機數的生成序列。以下示例代碼設置隨機數種子爲1，並生成5個隨機整數：

import numpy as np

np.random.seed(1)
random_integers = np.random.randint(0, 10, size=5)
print(random_integers)

通過設置相同的隨機數種子，可以確保每次運行生成的隨機數序列是一樣的。