Генерация случайных чисел с библиотекой NumPy

Генерация случайных чисел и массивов с использованием модуля np.random в библиотеке NumPy

Модуль np.random в библиотеке NumPy является инструментом для генерации псевдослучайных чисел. Он предоставляет набор функций для создания массивов со случайными значениями различных типов данных. Это полезный инструмент для генерации случайных данных, который может быть использован в моделировании, статистических вычислениях и машинном обучении.

Для начала работы с модулем np.random, необходимо импортировать библиотеку NumPy. Код для импорта выглядит следующим образом:

<pre><code><b><script src="https://cdnjs.cloudflare.com/ajax/libs/highlight.js/10.7.2/highlight.min.js"></script>
<script>hljs.initHighlightingOnLoad();</script></b></code></pre><pre><code data-language="python"><b><span class="hljs-keyword">import</span> numpy as</span> np</b></code>

После этого мы можем использовать функции модуля np.random для генерации случайных чисел и массивов.

Одной из самых простых функций является функция np.random.rand(). Она генерирует массив указанной формы (размерности) со случайными числами в диапазоне от 0 до 1. Вот пример кода:

<pre><code><b><span class="hljs-keyword">import</span> numpy as</span> np

# Генерация одномерного массива с 5 случайными значениями
random_array = np.random.rand(5)
print(random_array)</b></code>

Вывод:

[0.43262817 0.6571333  0.94959458 0.87122608 0.13648909]

Если нам необходимо сгенерировать случайные числа в другом диапазоне, мы можем использовать функцию np.random.randint(). Она генерирует целочисленные случайные значения в указанном диапазоне. Вот пример кода:

<pre><code><b><span class="hljs-keyword">import</span> numpy as</span> np

# Генерация одномерного массива с 5 случайными целыми числами от 1 до 10
random_array = np.random.randint(1, 10, size=5)
print(random_array)</b></code>

Вывод:

[3 9 7 4 2]

Кроме того, np.random предоставляет возможность генерировать случайные числа из различных распределений, таких как нормальное распределение, равномерное распределение и другие. Например, для генерации случайных чисел из стандартного нормального распределения можно использовать функцию np.random.randn(). Вот пример кода:

<pre><code><b><span class="hljs-keyword">import</span> numpy as</span> np

# Генерация одномерного массива с 5 случайными числами из стандартного нормального распределения
random_array = np.random.randn(5)
print(random_array)</b></code>

Вывод:

[-0.26732113  0.37925299  0.04910222  1.20401965 -0.44228359]

Это только некоторые примеры использования функций модуля np.random. Библиотека NumPy предоставляет гораздо больше возможностей для работы со случайными числами и массивами.