Numpy random.randint() 函数

Numpy random.randint() 函数用于生成指定范围内的随机整数。它可以生成单个随机整数，也可以生成一个随机整数数组。此函数可用于创建用于模拟、测试或填充数组的随机整数数据。

random.rand() 函数和 numpy.random.randint() 函数均用于生成随机值。它们之间的主要区别在于，numpy.random.rand() 函数生成介于 0 到 1 之间的浮点值，而 numpy.random.randint() 函数生成指定范围内的整数值。

语法

以下是 Numpy random.randint() 函数的语法 -

numpy.random.randint(low, high=None, size=None, dtype=int)

参数

以下是 Numpy random.randint() 函数的参数 -

• low:指定范围下限(含)的整数。
• high(可选):指定范围上限(不含)的整数。如果未提供此参数，则将 low 视为上限，并将下限设置为 0。
• size(可选):指定输出形状的整数或整数元组。如果未指定 size，则返回单个整数。
• dtype(可选):输出数组所需的数据类型。默认值为 int。

返回值

此函数返回一个 NumPy 数组，其中包含指定范围内的随机整数。

示例

以下是使用 Numpy random.randint() 函数生成单个随机整数的基本示例 -

import numpy as np
Random_int = np.random.randint(0, 10)
print("随机整数:", Random_int)
print(type(Random_int))

输出

以下是上述代码的输出 -

随机整数:3
<class 'int'>

示例:生成 NumPy 数组

使用 numpy.random.randint() 函数，我们还可以生成一个由随机整数组成的一维 NumPy 数组。

这里，我们生成一个大小为 5 的一维数组，其中包含 10 到 50 之间的随机整数。

import numpy as np
Random_Numpy_Array = np.random.randint(10, 50, size=5)
print("随机一维数组:", Random_Numpy_Array)
print(type(Random_Numpy_Array))

输出

以下是上述代码的输出 -

随机一维数组:[33 40 16 49 30]
<class 'numpy.ndarray'>

示例:多维 NumPy 数组

我们可以通过将 numpy.random.randint() 函数中的 size 参数设置为元组来生成多维 NumPy 数组。

在以下示例中，我们生成一个 4x4 尺寸的 3D 数组，其中包含 50 到 100 之间的随机整数。

import numpy as np
Random_3d_array = np.random.randint(50, 100, size=(4, 4))
print("随机三维数组:
", Random_3d_array)

输出

以下是上述代码的输出−

随机三维数组:
[[87 60 71 85]
[94 88 92 94]
[61 73 95 92]
[74 76 95 80]]

示例:'Random.rand()' 与 'Random.randint()'

numpy.random.randint() 函数用于生成指定范围内的随机整数值或 NumPy 整数数组。另一方面，numpy.random.rand() 函数会生成一个包含 0 到 1 之间随机浮点值的 NumPy 数组。

以下示例演示了 numpy.random.randint() 和 numpy.random.rand() 函数:

import numpy as np

# 使用 randint 生成二维随机整数数组
random_int_array = np.random.randint(1, 100, size=(3, 3))
print("随机二维整数数组 (1 到 99):
", random_int_array)

# 使用 rand 生成二维随机浮点数组
random_float_array = np.random.rand(3, 3)
print("
随机二维浮点数组 (0 到 1):
", random_float_array)

输出

以下是上述代码的输出:

随机二维整数数组 (1 到 99):
[[98 15 39]
[21 60 76]
[47 9 85]]

随机二维浮点数组 (0 到 1):
[[0.6788924  0.40933523 0.94536588]
 [0.51462956 0.97583621 0.24382739]
 [0.65600153 0.12382789 0.08912578]]

numpy_array_creation_routines.html