Автор оригинала: Pankaj Kumar.
Numpy Package предлагает Случайные Модуль с целью генерации Случайные номера в Python Отказ В этом руководстве мы собираемся узнать, как использовать этот модуль. Мы узнаем, какие все функциональные возможности могут предложить этот модуль.
Давайте начнем!
Какие случайные числа?
Случайные числа – это те, которые не могут быть прогнозированы логически. Это просто не нужно отличаться каждый раз. Это также должно быть непредсказуемым.
Поскольку компьютеры, генерирующие случайное число, необходимо работать на алгоритме, они называются Псевдослучайные числа Отказ
Мы узнаем, как генерировать случайные числа и массивы, используя numpy.
Как сгенерировать случайные номера с помощью Python Numpy?
Чтобы генерировать случайные числа в Python, мы сначала импортируем пакет Numpy.
import numpy as np
Теперь мы можем создать номер, используя:
x = np.random.rand() print (x)
Выход:
0.13158878457446688
На бегах снова вы получаете:
0.8972341854382316
Это всегда возвращает число от 0 до 1. В качестве альтернативы вы также можете использовать:
np.random.normal()
Выход:
0.5565567775216324
На бегах снова мы получаем:
0.4061850324907322
Мы можем использовать это для создания примесовых массивов со случайными числами, которые следуют нормальному распределению.
Как создать случайный массив, который следует нормальному распределению?
А Нормальное распределение это тот, в котором Среднее, режим и медианы равны Отказ Данные симметрично разделены вокруг центра в этом случае. График нормального распределения выглядит как колокол Вот почему он также называется «кривой колокола».
Чтобы создать массив со случайными числами, следуя нормальному использованию распределения:
import numpy as np np.random.normal(size=4)
Выход:
array([ 1.25857895, -0.58043262, 0.12263231, 1.61414025])
На бегах снова мы получаем:
array([0.104325 , 0.88862028, 0.23980488, 2.62647869])
Мы можем создать массив из 5, а также.
import numpy as np np.random.normal(size=5)
Выход:
array([-0.13071107, 0.20452707, 0.52747513, -0.23897082, 0.35045745])
Это может быть полезно для назначения случайных весов перед обучением модели.
Мы также можем создавать numpy массивы, которые следуют равномерному распределению.
Как создать случайный массив, который следует равномерному распределению?
Для создания массива со случайными записями, которые следуют равномерному использованию распределения:
import numpy as np np.random.uniform(size=4)
Выход:
array([0.78049361, 0.82418637, 0.20042187, 0.85808511])
На бегах снова мы получаем:
array([0.22620273, 0.92376272, 0.08407264, 0.8452246 ])
Как выбирать случайным образом из списка?
Иногда вам нужно случайно выбрать номер из списка. Вы можете сделать это, используя метод выбора под случайным модулем:
from numpy import random x = random.choice([3, 5, 7, 9]) print(x)
Выход:
5
На бегах снова мы получаем:
3
Вы также можете использовать его для выбора символов или строк из списка.
from numpy import random x = random.choice(["A", "B", "C", "D"]) print(x)
Выход:
B
На бегах снова мы получаем:
C
Как случайным образом выбирать цифры из набора для заполнения массива?
Вы также можете создавать массивы и матрицы, которые имеют количество случайно выбранных из списка.
Нам придется предоставить список вариантов и использование этого метода выбора создаст матрицу упомянутого размера.
from numpy import random x = random.choice([3, 5, 7, 9], size=(3, 5)) print(x)
Выход:
[[3 7 5 9 5] [3 7 7 3 7] [9 9 5 5 3]]
На бегах снова мы получаем:
[[7 7 7 9 9] [3 3 9 7 9] [9 5 5 3 3]]
Заключение
Это руководство было про случайным модулем под Numpy Package. Мы узнали, как делать массивы, которые следуют нормальным и равномерным распределениям. Мы также узнали, как использовать метод выбора, чтобы выбрать случайным образом из списка.