numpy.random模块对Python内置的random进行补充,用于高效生成多种概率分布的样本值的函数。
例如:使用normal得到一个标准正态分布的4X4样本数组:

分别使用Python内置的random模块和numpy.random模块,批量按正态分布生成0到1的随机数:

使用%timeit分别测试两种方法在性能上的差异:

从上面的测试结果可以看出,如果需要产生大量样本值,numpy.random快了不止一个数量级
numpy.random模块对Python内置的random进行补充,用于高效生成多种概率分布的样本值的函数。
例如:使用normal得到一个标准正态分布的4X4样本数组:
分别使用Python内置的random模块和numpy.random模块,批量按正态分布生成0到1的随机数:
使用%timeit分别测试两种方法在性能上的差异:
从上面的测试结果可以看出,如果需要产生大量样本值,numpy.random快了不止一个数量级
本文标题:111、随机数生成
本文链接:https://www.haomeiwen.com/subject/ubmvwxtx.html
网友评论