Python 如何使用numpy.random.rand（）在[-1,1]范围内生成随机浮点？

Numpy的random.rand（）函数生成0到1之间的随机浮点。如何转换此函数的输出以生成-1和1之间的随机浮点

电流输出：

In[]: numpy.random.rand(3, 2)
Out[]: 
array([[0.13568674, 0.72465483],
       [0.48726461, 0.68867378],
       [0.50463821, 0.28619853]])

期望（示例）输出：

---

我不想使用random.uniform（）。

您基本上需要将通常由

np.random.rand（）

生成的

（0，1）

范围缩放并移动到

（-1，1）

目标范围：

import numpy as np

N = 10
max_val, min_val = 1, -1
range_size = (max_val - min_val)  # 2
np.random.rand(N) * range_size + min_val

或其他等效代数

---

或者，您可以使用

np.random.randint（）

生成一个

int

范围，该范围将被其大小除以（一小部分）

对于您的特定范围，这将如下所示：

import numpy as np


N = 10
L = 100
np.random.randint(-L, L, N) / L

这将比

np.random.random（）

方法（稍微）慢，但可以控制结果的“密度”

---

---

（已编辑：明确写入代数和目标范围之间的关系）

如果要在两个值

a

和

b

之间生成一个随机浮点，其中

a

，则按如下操作。这相当于将

[0,1]

之间的随机分布重新分配或重新缩放到所需的间隔

[a，b]

（相当于拉伸或压缩，取决于

（b-a）

是否为

（1-0）

）

将numpy导入为np
#就你而言：
a、 b=-1,1
（b-a）*np.random.rand（）+a
（numpy.random.rand（3,2）-0.5）*2
不使用np.random.uniform
的原因是什么？这是一个奇怪的限制；您是否有很好的理由避免它，以及是否有其他类似的限制？您似乎在一组不寻常的限制下运行，了解这些限制是什么很有用。第二个选项将创建一个更分层或分块的r随机抽样，因为现在只有
200/10=20
可能的值。这提供了对密度的控制。然而，这可能适用于也可能不适用于特定的用例。最好的方法可能是应用
np.random.rand
，然后在必要时使用某种形式的装箱。但是，这两种方法都可以适用于f在某些情况下进行抽样。如果有人盲目地采用统一随机抽样，我建议使用第一种方法。这是正确的，与.Quote:
（…）中提供的说明相同。要对统一[a，b]进行抽样，b>a将随机抽样的输出乘以（b-a）并加上a.（…）
import numpy as np


N = 10
L = 100
np.random.randint(-L, L, N) / L