使用 Numpy 的随机数生成器教程

Numpy 的 random 模块是一组基于伪随机数生成的函数。随机意味着无法通过逻辑进行预测。

已更新 2026年10月6日 · 4分钟阅读

使用 AI 探索

ChatGPT Claude Perplexity

Numpy 的 random 模块是一组基于伪随机数生成的函数。随机意味着无法通过逻辑进行预测。

`np.random.seed()` 函数

在此示例中，您将模拟抛硬币。您将使用函数 np.random()，它会在 0 到 1 之间抽取一个数，并且该区间内的所有数出现的概率相同。

如果抽到的数小于 0.5（发生的概率为 50%），则记为正面，否则为反面。此类结果为要么为 True（正面）要么为 False（反面），称为伯努利试验。

伪随机数的工作方式是从一个称为种子（seed）的整数开始，然后依次生成一串数字。相同的种子会产生相同的随机数序列，因此称为“伪”随机数生成。如果您希望代码可复现，最好使用 np.random.seed() 函数为随机数生成器设定种子。

要进行抛硬币，您需要导入 NumPy，为随机数生成器设定种子，然后抽取四个随机数。您可以用 size 关键字指定需要的随机数个数。

import numpy as np
np.random.seed(42)
random_numbers = np.random.random(size=4)
random_numbers

array([0.3745012, 0.95071431, 0.73199394, 0.59865848])

您得到的第一个数小于 0.5，所以是正面，而其余三个为反面。您可以使用小于运算显式展示这一点，它会给出一个包含布尔值的数组，正面为 True，反面为 False。

heads = random_numbers < 0.5
heads

array([True, False, False, False], dtype=bool)

最后，您可以通过对布尔数组 heads 求和来计算正面的个数，因为在数值上下文中，Python 将 True 视为 1，False 视为 0。

np.sum(heads)

模拟四次随机抛硬币

在下面的示例中，我们想知道如果一遍又一遍地重复四次抛硬币，得到四次都是正面的概率是多少。我们可以用 for 循环来完成。

我们先将计数初始化为零。然后重复进行 10,000 次“四次抛硬币”的试验。如果某次试验得到四次都是正面，我们就将计数加一。

那么得到四次全为正面的概率是多少？就是“得到全是正面的次数”除以“试验总次数”。结果约为 0.06。

n_all_heads = 0

# Initialize number of 4-heads trials
for _ in range(10000):
         heads = np.random.random(size=4) < 0.5
         n_heads = np.sum(heads)
         if n_heads == 4:
             n_all_heads += 1

n_all_heads / 10000

0.0621

生成随机数的交互式示例

在此示例中，我们将生成大量 0 到 1 之间的随机数，并绘制结果的直方图。如果这些数是真正随机的，直方图中的所有柱形应该（近似）等高。

要完成本示例，您需要：

使用种子 42 通过 np.random.seed 为随机数生成器设定种子。
初始化一个包含 100,000 个条目的空数组 random_numbers，用于存储这些随机数。请确保使用 np.empty(100000) 来完成此操作。
编写一个 for 循环，使用 np.random.random() 抽取 100,000 个随机数，并将其存入 random_numbers 数组。为此，请循环 range(100000)。
绘制 random_numbers 的直方图。在这里不必标注坐标轴，因为我们只是检查随机数生成器。

# Seed the random number generator
np.random.seed(42)

# Initialize random numbers: random_numbers
random_numbers = np.empty(100000)

# Generate random numbers by looping over range(100000)
for i in range(100000):
    random_numbers[i] = np.random.random()

# Plot a histogram
_ = plt.hist(random_numbers)

# Show the plot
plt.show()

运行上述代码后，将产生如下结果：