python如何产生随机矩阵？

Python010

python如何产生随机矩阵？,第1张

numpy.random包可以实现这一功能。numpy包是python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比python自身的嵌套列表结构要高效的多，同时该结构也可以用来表示矩阵。

from

numpy

import

random

randarray

=

random.random(size=(2,4))

random函数接收需要生成随机矩阵的形状的元组作为唯一参数。上面的代码将会返回一个两行四列的随机矩阵，随机数的值位于0到1之间，矩阵是numpy.array类型。除了random函数外，还有生成整数随机矩阵的函数randint等等。

import random #导入随机数模块

m=10

n=10

matrix = [[0 for i in range(m)] for i in range(n)] #定义数组

for row in range(0,m):

   for col in range(0,n):

       matrix[row].append(random.randint(0,101)) #赋值

for row in range(0,m):

     print  matrix[row]#打印

结果

一般的正态分布可以通过标准正态分布配合数学期望向量和协方差矩阵得到。如下代码，可以得到满足一维和二维正态分布的样本。希望有用，如有错误，欢迎指正！

# coding=utf-8

import numpy as np

from numpy.linalg import cholesky

import matplotlib.pyplot as plt

sampleNo = 1000

# 一维正态分布

# 下面三种方式是等效的

mu = 3

sigma = 0.1

np.random.seed(0)

s = np.random.normal(mu, sigma, sampleNo )

plt.subplot(141)

plt.hist(s, 30, normed=True)

np.random.seed(0)

s = sigma * np.random.randn(sampleNo ) + mu

plt.subplot(142)

plt.hist(s, 30, normed=True)

np.random.seed(0)

s = sigma * np.random.standard_normal(sampleNo ) + mu

plt.subplot(143)

plt.hist(s, 30, normed=True)

# 二维正态分布

mu = np.array([[1, 5]])

Sigma = np.array([[1, 0.5], [1.5, 3]])

R = cholesky(Sigma)

s = np.dot(np.random.randn(sampleNo, 2), R) + mu

plt.subplot(144)

# 注意绘制的是散点图，而不是直方图

plt.plot(s[:,0],s[:,1],'+')

plt.show()