Python中使用np_random()函数生成随机数的实例

在Python中，可以使用NumPy库中的random模块的np_random()函数生成随机数。np_random()函数是NumPy库的RandomState实例的一个方法，用于生成各种随机数。

下面是一个使用np_random()函数生成随机数的例子：

import numpy as np

# 创建一个随机数生成器
rng = np.random.default_rng()

# 生成一个随机整数
random_int = rng.integers(0, 10)  # 生成一个介于0和10之间的随机整数
print("随机整数:", random_int)

# 生成一个随机浮点数
random_float = rng.random()  # 生成一个介于0和1之间的随机浮点数
print("随机浮点数:", random_float)

# 生成一个符合指定分布的随机数
random_normal = rng.normal(0, 1, size=(3, 3))  # 生成一个大小为(3, 3)的正态分布随机数数组
print("随机正态分布数组:")
print(random_normal)

# 生成一个随机排列的数组
arr = np.array([1, 2, 3, 4, 5])
random_permutation = rng.permutation(arr)  # 生成arr的一个随机排列
print("随机排列数组:", random_permutation)

在上面的例子中，我们首先创建了一个随机数生成器rng，它是NumPy库的默认随机数生成器。

然后我们使用rng的方法生成了不同类型的随机数。

- np_random.integers(low, high=None, size=None, dtype=int)

这个方法用于生成一个位于low和high（不包括high）之间的整数随机数。size参数用于指定生成的随机数的形状。dtype参数用于指定生成的随机数的数据类型，默认为int。

- np_random.random(size=None)

这个方法用于生成一个位于0和1之间的均匀分布的随机浮点数。size参数用于指定生成的随机数的形状。

- np_random.normal(loc=0.0, scale=1.0, size=None)

这个方法用于生成一个符合正态分布的随机数数组。loc参数用于指定正态分布的均值，scale参数用于指定正态分布的标准差，size参数用于指定生成的随机数数组的形状。

- np_random.permutation(x)

这个方法用于生成一个x的随机排列。

通过调用这些方法，我们可以实现在Python中生成各种类型的随机数。使用这些随机数可以进行模拟实验、数据生成等许多应用。