NumPy 创建随机样本数组

np.random.SFC64
np.random.MT19937
np.random.PCG64
np.random.Philox

# 方法零
r = np.random.default_rng(12345)
r.random([3,4])

# 方法一
bg = np.random.SFC64(12345)
rng = np.random.Generator(bg)
rng.integers(1,3, [2,4])

# 方法二
from numpy.random import Generator, Philox
rg = Generator(Philox(12345))
rg.integers(1,3, [2,4])

# 新方法
r = np.random.default_rng()
r.random([2,3])
r.integers(1,10, size=(3,4))

# 旧方法
np.random.standard_normal(10)
np.random.randint(1,10,size=(3,4))

# 语法
Generator.integers(low, high=None, size=None,
                   dtype=np.int64, endpoint=False)

rng = np.random.default_rng()
rng.integers(2, size=10)
# array([1, 0, 0, 0, 1, 1, 0, 0, 1, 0])  # random
rng.integers(1, size=10)
# array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])

# 生成一个 2 x 4 数组，值从 0 到 4
rng.integers(5, size=(2, 4))
'''
array([[4, 0, 2, 1],
       [3, 2, 2, 0]])  # 随机
'''
# 生成具有 3 个不同上界（高界可为 array-like of ints）的 1x3 数组
rng.integers(1, [3, 5, 10])
# array([2, 2, 9])  # random

# 同上，生成具有 3个不同下界的 1×3 数组
rng.integers([1, 5, 7], 10)
# array([9, 8, 7])  # random

# 使用广播生成数据类型为 uint8 的 2×4 数组
rng.integers([1, 3, 5, 7], [[10], [20]], dtype=np.uint8)
'''
array([[ 8,  6,  9,  7],
       [ 1, 16,  9, 12]], dtype=uint8)  # random
'''

# 语法
Generator.random(size=None, dtype=np.float64, out=None)

rng.random()
# 0.09323893259291272 # 随机
type(rng.random())
# <class 'float'>
rng.random((5,))
#  array([0.70.., 0.789.., 0.270.., 0.92.., 0.907.. ]) # 随机

# [-5, 0) 区间中随机数的三乘二数组：
5 * rng.random((3, 2)) - 5
'''
array([[-2.79428462, -2.70227044], # 随机
       [-4.30778077, -2.1288518 ],
       [-0.53373541, -1.3214533 ]])
'''

# 语法
Generator.choice(a, size=None, replace=True,
                 p=None, axis=0, shuffle=True)
# 从 np.arange(5) 中生成均匀（uniform）随机样本，尺寸为 3
# 相当于 rng.integers(0,5,3)
rng.choice(5, 3)
# array([0, 3, 4]) # random

# 从 np.arange(5) 中生成非均匀（non-uniform）随机样本，尺寸为 3：
rng.choice(5, 3, p=[0.1, 0, 0.3, 0.6, 0])
# array([3, 3, 0]) # 随机
rng.choice(5, 3, replace=False) # 样本无需替换
# array([3,1,0]) # random
# 以上相当于 rng.permutation(np.arange(5))[:3]

# 无需替换
rng.choice(5, 3, replace=False, p=[0.1, 0, 0.3, 0.6, 0])
# array([2, 3, 0]) # random

# 上面的任何一个案例都可以用任意数组，而不仅仅是整数
aa_milne_arr = ['pooh', 'rabbit', 'piglet', 'Christopher']
rng.choice(aa_milne_arr, 5, p=[0.5, 0.1, 0.1, 0.3])
'''
array(['pooh', 'pooh', 'pooh', 'Christopher', 'piglet'], # random
      dtype='<U11')
'''

# 语法
Generator.bytes(length)
# 长度为 5
rng.bytes(5)
# b'C\xad&\xaf^'

Generator.shuffle(x, axis=0) # 语法
rng = np.random.default_rng()
arr = np.arange(10)
rng.shuffle(arr) # 打乱顺序并修改
arr
# [1 7 5 2 9 4 3 6 0 8] # random
arr = np.arange(9).reshape((3, 3))
rng.shuffle(arr) # 打乱顺序并修改
arr
'''
array([[3, 4, 5], # random
       [6, 7, 8],
       [0, 1, 2]])
'''
arr = np.arange(9).reshape((3, 3))
rng.shuffle(arr, axis=1) # 按行打乱顺序
arr
'''
array([[2, 0, 1], # random
       [5, 3, 4],
       [8, 6, 7]])
'''

rng = np.random.default_rng()
rng.permutation(10) # 返回乱序范围数列
# array([1, 7, 4, 3, 0, 9, 2, 5, 8, 6]) # random

rng.permutation([1, 4, 9, 12, 15]) # 打乱顺序
# array([15,  1,  9,  4, 12]) # random

arr = np.arange(9).reshape((3, 3))
rng.permutation(arr) # 默认按列打乱顺序。
'''
array([[6, 7, 8], # random
       [0, 1, 2],
       [3, 4, 5]])
'''

rng.permutation("abc") ## 不能传入字符串
'''
Traceback (most recent call last):
    ...
numpy.AxisError: axis 0 is out of bounds for array of dimension 0
'''

arr = np.arange(9).reshape((3, 3))
rng.permutation(arr, axis=1) # 按行打乱顺序
'''
array([[0, 2, 1], # random
       [3, 5, 4],
       [6, 8, 7]])
'''
# 按行列打乱
a = rng.permutation(arr, axis=0)
a = rng.permutation(arr, axis=1)
a
'''
array([[2, 1, 0],
       [5, 4, 3],
       [8, 7, 6]])
'''

# 正太分布（高斯分布）
mu, sigma = 0, 0.1 # 均值(默认0)和标准差（默认1）
r = np.random.default_rng()
r.normal(size=[4,3]) # 指定形状
s = r.normal(mu, sigma, 1000)
# 可查看直方图
import pandas as pd
pd.Series(s).plot.hist()

# todo

# todo