我正在尝试创建一个随机数矩阵，但是我的解决方案太长且看起来很丑

random_matrix = [[random.random() for e in range(2)] for e in range(3)]

看起来不错，但是在我的实现中

weights_h = [[random.random() for e in range(len(inputs[0]))] for e in range(hiden_neurons)]

这是非常不可读的，并且不能放在一行上。

看看numpy.random.rand：

文档字符串：rand（d0，d1，...，dn）

给定形状的随机值。

创建给定形状的数组，并使用上均匀分布的随机样本传播它[0, 1)。

>>> import numpy as np
>>> np.random.rand(2,3)
array([[ 0.22568268,  0.0053246 ,  0.41282024],
       [ 0.68824936,  0.68086462,  0.6854153 ]])

您可以删除range(len())：

weights_h = [[random.random() for e in inputs[0]] for e in range(hiden_neurons)]

但实际上，您可能应该使用numpy。

In [9]: numpy.random.random((3, 3))
Out[9]:
array([[ 0.37052381,  0.03463207,  0.10669077],
       [ 0.05862909,  0.8515325 ,  0.79809676],
       [ 0.43203632,  0.54633635,  0.09076408]])

使用np.random.randint()的numpy.random.random_integers()是过时

random_matrix = numpy.random.randint(min_val,max_val,(<num_rows>,<num_cols>))

看起来您正在执行Coursera机器学习神经网络练习的Python实现。这是我为randInitializeWeights（L_in，L_out）做的

#get a random array of floats between 0 and 1 as Pavel mentioned 
W = numpy.random.random((L_out, L_in +1))

#normalize so that it spans a range of twice epsilon
W = W * 2 * epsilon

#shift so that mean is at zero
W = W - epsilon

首先，创建numpy数组，然后将其转换为matrix。请参见下面的代码：

import numpy

B = numpy.random.random((3, 4)) #its ndArray
C = numpy.matrix(B)# it is matrix
print(type(B))
print(type(C)) 
print(C)

x = np.int_(np.random.rand(10) * 10)

对于10中的随机数，对于20中的随机数，我们必须乘以20。

当您说“随机数矩阵”时，您可以使用numpy作为上述的Pavel https://stackoverflow.com/a/15451997/6169225，在这种情况下，我假设与您无关的是，这些分布是什么（伪）坚持随机数。

但是，如果您需要特定的分布（我想您对统一分布很感兴趣），则numpy.random有非常有用的方法为您服务。例如，假设您要一个3x2矩阵，其伪随机均匀分布以[low，high]为边界。您可以这样做：

numpy.random.uniform(low,high,(3,2))

注意，您可以用uniform此库支持的任意数量的发行版代替。

进一步阅读：https : //docs.scipy.org/doc/numpy/reference/routines.random.html

创建随机整数数组的一种简单方法是：

matrix = np.random.randint(maxVal, size=(rows, columns))

下面的代码输出从0到10的2到3的随机整数矩阵：

a = np.random.randint(10, size=(2,3))

为了创建随机数数组，NumPy使用以下方法创建数组：

1. 实数

2. 整数

使用随机实数创建数组： 有2个选项

1. random.rand（用于均匀分布所生成的随机数）
2. random.randn（用于所生成的随机数的正态分布）

随机兰德

import numpy as np 
arr = np.random.rand(row_size, column_size) 

随机兰德

import numpy as np 
arr = np.random.randn(row_size, column_size) 

使用随机整数创建数组：

import numpy as np
numpy.random.randint(low, high=None, size=None, dtype='l')

哪里

• low =要从分布中得出的最低（有符号）整数
• 高（可选）=如果提供，则从分布中得出的最大（有符号）整数上方
• size（可选）=输出形状，即如果给定形状为例如（m，n，k），则绘制m * n * k个样本
• dtype（可选）=结果的所需dtype。

例如：

给定的示例将生成一个介于0和4之间的随机整数数组，其大小将为5 * 5，并具有25个整数

arr2 = np.random.randint(0,5,size = (5,5))

为了创建5 x 5矩阵，应将其修改为

arr2 = np.random.randint（0,5，size =（5,5）），将乘法符号*更改为逗号，＃

[[2 1 1 0 1] [3 2 1 4 3] [2 3 0 3 3] [1 3 1 0 0] [4 1 2 0 1]]

eg2：

给定的示例将生成一个介于0和1之间的随机整数数组，其大小将为1 * 10并具有10个整数

arr3= np.random.randint(2, size = 10)

[0 0 0 0 1 1 0 0 1 1]

random_matrix = [[random.random for j in range(collumns)] for i in range(rows)
for i in range(rows):
    print random_matrix[i]

使用map-reduce的答案：-

map(lambda x: map(lambda y: ran(),range(len(inputs[0]))),range(hiden_neurons))

#this is a function for a square matrix so on the while loop rows does not have to be less than cols.
#you can make your own condition. But if you want your a square matrix, use this code.

import random

import numpy as np

def random_matrix(R, cols):

        matrix = []

        rows =  0

        while  rows < cols:

            N = random.sample(R, cols)

            matrix.append(N)

            rows = rows + 1

    return np.array(matrix)

print(random_matrix(range(10), 5))
#make sure you understand the function random.sample

numpy.random.rand（row，column）根据给定的指定（m，n）参数生成0到1之间的随机数。因此，使用它创建一个（m，n）矩阵，并将该矩阵乘以范围限制，然后将其与上限相加。

分析：如果生成零，则仅将保持下限，但是如果生成零，将仅保持上限。顺便说一句，使用rand numpy生成限制，您可以生成极端所需的数字。

import numpy as np

high = 10
low = 5
m,n = 2,2

a = (high - low)*np.random.rand(m,n) + low

输出：

a = array([[5.91580065, 8.1117106 ],
          [6.30986984, 5.720437  ]])