Numpy隨機數生成：rand與randn的零基礎教程
Numpy是Python科學計算核心庫，`np.random`子模塊提供隨機數生成功能，`rand`和`randn`爲常用函數，隨機數爲僞隨機數，固定種子可復現。 `np.random.rand(d0,…dn)`生成**[0,1)均勻分佈**隨機數，參數指定數組形狀（如1維、2維等），所有元素值在[0,1)間，適用於等概率取值場景（如初始化權重）。 `np.random.randn(d0,…dn)`生成**標準正態分佈**（均值0、標準差1）隨機數，元素集中在-1~1間，極端值概率低，需調整均值/標準差可通過公式`μ+σ*randn`實現，常用於模擬自然數據波動（如噪聲）。 兩者均接受形狀參數，前者均勻分佈，後者正態分佈，可通過`np.random.seed(seed)`固定種子復現結果。
閱讀全文Numpy廣播機制：讓數組運算更簡單的核心技巧
Numpy廣播機制解決不同形狀數組的元素級運算問題，通過自動擴展小數組形狀以匹配大數組合並維度，避免手動reshape，節省內存且高效。核心規則：從右到左匹配維度，每個維度大小需爲1或相等，小數組會被廣播至與大數組合並形狀。例如標量（如10）可廣播到任意形狀數組；一維數組（如[10,20,30]）與2×3二維數組廣播時，一維數組重複爲2行。三維數組（2×2×2）與二維數組（2×2）廣播時，二維數組擴展爲2×2×2。若維度不兼容（如2×2與1×3）則報錯。應用場景包括元素級操作（如數組加常數）、矩陣標準化等，避免循環，簡化代碼。掌握廣播可大幅提升Numpy數組運算效率與可讀性。
閱讀全文