Numpy随机数生成：rand与randn的零基础教程
Numpy是Python科学计算核心库，`np.random`子模块提供随机数生成功能，`rand`和`randn`为常用函数，随机数为伪随机数，固定种子可复现。 `np.random.rand(d0,…dn)`生成**[0,1)均匀分布**随机数，参数指定数组形状（如1维、2维等），所有元素值在[0,1)间，适用于等概率取值场景（如初始化权重）。 `np.random.randn(d0,…dn)`生成**标准正态分布**（均值0、标准差1）随机数，元素集中在-1~1间，极端值概率低，需调整均值/标准差可通过公式`μ+σ*randn`实现，常用于模拟自然数据波动（如噪声）。 两者均接受形状参数，前者均匀分布，后者正态分布，可通过`np.random.seed(seed)`固定种子复现结果。
阅读全文Numpy广播机制：让数组运算更简单的核心技巧
Numpy广播机制解决不同形状数组的元素级运算问题，通过自动扩展小数组形状以匹配大数组合并维度，避免手动reshape，节省内存且高效。核心规则：从右到左匹配维度，每个维度大小需为1或相等，小数组会被广播至与大数组合并形状。例如标量（如10）可广播到任意形状数组；一维数组（如[10,20,30]）与2×3二维数组广播时，一维数组重复为2行。三维数组（2×2×2）与二维数组（2×2）广播时，二维数组扩展为2×2×2。若维度不兼容（如2×2与1×3）则报错。应用场景包括元素级操作（如数组加常数）、矩阵标准化等，避免循环，简化代码。掌握广播可大幅提升Numpy数组运算效率与可读性。
阅读全文