在范围之间生成随机浮点数组

为什么不用列表内涵？

在 Python 2中

ran_floats = [random.uniform(low,high) for _ in xrange(size)]

在 Python 3中，range的工作方式类似于 xrange(裁判)

ran_floats = [random.uniform(low,high) for _ in range(size)]

为什么不把 ABc0和列表内涵结合起来呢？

>>> def random_floats(low, high, size):
...    return [random.uniform(low, high) for _ in xrange(size)]
...
>>> random_floats(0.5, 2.8, 5)
[2.366910411506704, 1.878800401620107, 1.0145196974227986, 2.332600336488709, 1.945869474662082]

可能已经有一个函数可以完成您所寻找的任务，但是我还不知道(还不知道?)。 与此同时，我建议使用:

ran_floats = numpy.random.rand(50) * (13.3-0.5) + 0.5

这将产生一个形状(50)的数组，其均匀分布在0.5和13.3之间。

你也可以定义一个函数:

def random_uniform_range(shape=[1,],low=0,high=1):
"""
Random uniform range


Produces a random uniform distribution of specified shape, with arbitrary max and
min values. Default shape is [1], and default range is [0,1].
"""
return numpy.random.rand(shape) * (high - min) + min

编辑 : 嗯，是的，所以我错过了它，这里有 numpy.Random. univer() ，它具有与您想要的完全相同的调用！ 请尝试 import numpy; help(numpy.random.uniform)获取更多信息。

np.random.uniform 适合您的用例:

sampl = np.random.uniform(low=0.5, high=13.3, size=(50,))

2019年10月更新:

虽然语法仍然受到支持，但 API 似乎随着 NumPy 1.17发生了改变，以支持对随机数生成器的更大控制。展望未来，API 已经发生了变化，您应该看看 https://docs.scipy.org/doc/numpy/reference/random/generated/numpy.random.Generator.uniform.html

增强方案在这里: https://numpy.org/neps/nep-0019-rng-policy.html

这是最简单的方法

np.random.uniform(start,stop,(rows,columns))

列表内涵中的 for 循环需要时间，而且速度很慢。 最好使用 numpy 参数(低、高、大小等)

import numpy as np
import time
rang = 10000
tic = time.time()
for i in range(rang):
sampl = np.random.uniform(low=0, high=2, size=(182))
print("it took: ", time.time() - tic)


tic = time.time()
for i in range(rang):
ran_floats = [np.random.uniform(0,2) for _ in range(182)]
print("it took: ", time.time() - tic)

样本输出:

(‘ it took:’，0.06406784057617188)

(‘ it took:’，1.7253198623657227)

或者，您可以使用 SciPy

from scipy import stats
stats.uniform(0.5, 13.3).rvs(50)

为了记录样本整数，它是

stats.randint(10, 20).rvs(50)

np.random.random_sample(size)将在半开区间内生成随机浮点数[0.0,1.0]。

或者，如果您可以使用实数列表，您可以使用标准的 random.randrange:

def some_function(low, high, size):
low_int = int(low * 1000)
high_int = int(high *1000)
return [random.randrange(low_int, high_int, size)/1000 for _ in range(size)]

这应该适合您的示例

sample = (np.random.random([50, ]) * 13.3) - 0.5