办公软件excel随机数据生成方法
1. excel自动生成随机数据
1、可以使用自动生成指定范围数值的RANDBETWEEN函数做到。首先打开Excel，在单元格中输入“=RANDBETWEEN()”的公式：
2、然后在公式中添加参数，该函数的参数是生成随机数的范围值，比如生成23到98之间的随机数，就输入“=RANDBETWEEN(23,98)”后回车就会出现一个随机数了：
3、最后点击这个生成的随机数，将鼠标移动到单元格边缘，拖动单元格向下，就能生成一列随机数了：
2. excel如何随机生成数据
1、打开我的电脑，双击Excel软件。
2、点击自动计算表，打开后，Sheet1命名为”输入数据表“，Sheet2命名为”自动生成数据表“。
3、”自动生成表“A1单元格，点击插入函数。
4、在第一空格内输入输入数据表!A1=，在第二空格输入”“，然后，在第三个空格输入”输入数据表!A1+输入数据表!B1。
5、点击确定即可生成表格数据。
3. excel自动生成随机数据公式
1、打开需要随机打乱数据排序的excel表格。
2、在空白列单元格中输入公式函数【=RAND()】生成随机数。
3、使用鼠标拖拉单空格进入单元格填充操作。
4、选中随机数单元格。
5、点击【鼠标右键】-->【排序】-->【升序】或者【降序】。
6、选择【扩展选定区域】-->【确定】。
7、即可实现随机打乱数据排序。
4. excel如何生成随机数据
Excel随机数生成
1、首先，我们得弄清楚随机数是怎么生成的，开始，在桌面上面建立一个用随机数命名的Excel表格，点击进入。
2、进入表格之后，我们点击“ 执行-插入-函数 ”进入函数表格，也可以点击二类菜单栏上面的E，点击“ 出现弹窗-其他函数
3、进入函数表格之后，我们为了快速搜索，在搜索函数栏下面输入“rand”点击右侧转到，这个时候，函数就会转到rand公式上面。
4、之后，点击确定，进入之后，点击enter回车，会出现一个随机函数，由于没有进行其他设置所以随机函数的范围在0-1之间。
如何给随机函数设置范围
1、范围设置是随机数设置里面一项非常重要的技能，我们可以举例A+rand()*(B-C)这里代表的含义就是B是该随机数范围内的最大值，C是该随机数范围内的最小值，(B-C)表示随机数范围为(0，B-C)，如果加上A这个范围加数就说明范围是(A，A+B-C)
2、来举一个例子，A+rand()*(B-C)用30+rand()*(60-40)说明随机数的范围是(30，50)具体步骤，可以参照如图分析。
3、设置好随机数范围之后，我们要将随机数给扩散开来，所以，我们点击随机数的方框右下角顶尖出，当符号变成黑色“+”时，点击下啦，然后依次步骤向右拉，这样一排随机数就出来了，如图。
如何去除随机数的小数点
1、Excel生成的随机数是存在小数点的，大多时候，我们需要的随机数是不用小数点的，执行步骤就是右键点击，出现菜单，找到“设置单元格格式”点击进入。
2、进入设置单元格格式之后，在数字列表中，找到左侧列表的“数值”点击，后出现右侧数值，在小数点数上面点击“设置为0，这样点击确定，小数点就消失了
5. excel自动生成随机数据怎么设置
答：随机：在149个单元格输入公式：=INT(RAND()*1000000/120)，（严格就是除以150，但实际操作中120差不多了）在第150个单元格内输入100万减去上述149个数据的和（可用函数SUM）平均分配：则是每个单元格输入公式：=1000000/150按比例分配，则要根据你的比例来套用，多少数据区域按多少比例分配多少数值？
6. excel自动生成随机数据的函数
1、打开excel表格。
2、其实日期也是一个一个数字变化而来的，所以要获取随机日期也是要先获取随机数字，选中一个区域后输入公式=rand()，获取一些随机数字。
3、由于日期的数字都是整数，且最少单位为1，所以要修改公式=rand()*100000，得到的数字小日期距离我们比较远，所以我们乘以一个比较大的数字。
4、又由于日期数字都是整数，所以继续修改公式=int(rand()*100000)，添加一个取整函数。
5、按CTRL+回车之后就可以得到一些随机整数，在选中区域上右击，点击设置单元格格式。
6、弹出对话框，点击日期，确定。
7、所有的数字就都变成了日期，也就得到了一些随机日期。
7. excel自动生成随机数据并控制数量
1.
打开Excel表格,在A列做好数据,然后B列输入函数=RAND()。
2.
输入函数后,下拉复制函数,就可以得到随机抽样的结果。
3.
选中随机抽样结果后,然后点击工具栏中的百分比。
4.
随机抽样就做好了
A1输入 =rand()
向下填充至 A24
B1输入 =RANK(A1,$A$1:$A$24)
向下填充至B24
B列就会出现一个1-24数字的随机分布
B1-B9可满足你第一个要求
B1-B24 分成6组，满足你第二个要求
随机函数，每操作一次，就会变化，如需确定一个随机排布
选择B列 复制
选择C列
右键选择性粘贴
选择值
就确定下来了。
8. Excel自动生成随机数
EXCEL需要生成随机数的总和为某数的方法可，一确定最后的总和值，假设为100；
二确定需生成几个随机数据，如假设为5个，三100/（sum（5个随机数区域），再用这个得值乘以对应的随机数，即可
9. excel自动生成随机数据numpy
1，实现线性分类
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets.samples_generator import make_blobs
from sklearn.svm import SVC
#随机生成点，n_samples：样本点个数；centers：样本点分为几类；random_state：每次随机生成一致；cluster_std：每类样本点间的离散程度，值越大离散程度越大。
X,y = make_blobs(n_samples=50, centers=2, random_state=0, cluster_std=0.60)
#画出所有样本点
plt.scatter(X[:,0],X[:,1],c=y,cmap='summer')
#使用线性分类SVC拟合
#svc函数还可以包括以下参数(具体例子见文章最后):
#1,C(C越大意味着分类越严格不能有错误；当C趋近于很小的时意味着可以有更大的错误容忍)
#2,kernel(kernel必须是[‘linear’, ‘poly’, ‘rbf’, ‘sigmoid’, ‘precomputed’]中的一个，默认为’rbf’)
#3,gamma(gamma越大模型越复杂，会导致过拟合，对线性核函数无影响)
model = SVC(kernel='linear')
model.fit(X,y)
plot_svc_decision_function(model)
这里用到绘制边界线及圈出支持向量的函数plot_svc_decision_function()
def plot_svc_decision_function(model, ax=None, plot_support=True):
#Plot the decision function for a 2D SVC
if ax is None:
ax = plt.gca()
#找出图片x轴y轴的边界
xlim = ax.get_xlim()
ylim = ax.get_ylim()
# create grid to evaluate model
x = np.linspace(xlim[0], xlim[1], 30)
y = np.linspace(ylim[0], ylim[1], 30)
Y, X = np.meshgrid(y, x)
#形成图片上所有坐标点(900,2)，900个二维点
xy = np.vstack([X.ravel(), Y.ravel()]).T
#计算每点到边界的距离(30,30)
P = model.decision_function(xy).reshape(X.shape)
#绘制等高线（距离边界线为0的实线，以及距离边界为1的过支持向量的虚线）
ax.contour(X, Y, P, colors='k',levels=[-1, 0, 1], alpha=0.5,linestyles=['--', '-', '--'])
# 圈出支持向量
if plot_support:
#model.support_vectors_函数可打印出所有支持向量坐标
ax.scatter(model.support_vectors_[:, 0],model.support_vectors_[:, 1],s=200,c='',edgecolors='k')
ax.set_xlim(xlim)
ax.set_ylim(ylim)
绘制效果图如下：
2，实现非线性分类–引入核函数有时候线性核函数不能很好的划分边界比如：
from sklearn.datasets.samples_generator import make_circles
X,y = make_circles(100, factor=.1, noise=.1)
plt.scatter(X[:, 0], X[:, 1], c=y, s=50, cmap='summer')
clf = SVC(kernel='linear').fit(X, y)
plot_svc_decision_function(clf, plot_support=False)
分类结果如下：
此时，需加入径向基函数rbf（高斯）
X,y = make_circles(100, factor=.1, noise=.1)
plt.scatter(X[:, 0], X[:, 1], c=y, s=50, cmap='summer')
clf = SVC(kernel='rbf', C=1E6)
clf.fit(X,y)
plot_svc_decision_function(clf)
分类结果如下：
希望您满意，能帮助到您~~