Cần phải tạo ra các số ngẫu nhiên khi nghiên cứu mô hình hoặc hành vi của chương trình cho phạm vi giá trị khác nhau. Python có thể tạo ra các số ngẫu nhiên như vậy bằng cách sử dụng mô -đun ngẫu nhiên. Trong các ví dụ dưới đây, trước tiên chúng ta sẽ xem cách tạo một số ngẫu nhiên duy nhất và sau đó mở rộng nó để tạo danh sách các số ngẫu nhiên.
Nội dung chính Show
- Tạo một số ngẫu nhiên duy nhất
- Tạo số trong một phạm vi
- Tạo số trong một phạm vi
- Tạo số trong một phạm vi
- ... bằng cách viết dòng mã trong Python
- Trong hướng dẫn này, bạn sẽ khám phá cách tạo và làm việc với các số ngẫu nhiên trong Python.
- Hướng dẫn này được chia thành 3 phần; họ đang:
- Giá trị điểm nổi ngẫu nhiên
- Bỏ qua các học giả. Chỉ là kết quả.
- Đối với các thí nghiệm chạy trong đó ngẫu nhiên được sử dụng để kiểm soát các biến gây nhiễu, một hạt giống khác nhau có thể được sử dụng cho mỗi lần chạy thử nghiệm.
- Đối với các thí nghiệm chạy trong đó ngẫu nhiên được sử dụng để kiểm soát các biến gây nhiễu, một hạt giống khác nhau có thể được sử dụng cho mỗi lần chạy thử nghiệm.
- Chạy ví dụ hạt giống trình tạo số giả giả với giá trị 1, tạo 3 số ngẫu nhiên, nối lại trình tạo và cho thấy ba số ngẫu nhiên giống nhau được tạo ra.
- Chạy ví dụ hạt giống trình tạo số giả giả với giá trị 1, tạo 3 số ngẫu nhiên, nối lại trình tạo và cho thấy ba số ngẫu nhiên giống nhau được tạo ra.
- Mẫu phụ ngẫu nhiên từ một danh sách
- Chúng tôi có thể quan tâm đến việc lặp lại lựa chọn ngẫu nhiên các mục từ một danh sách để tạo một tập hợp con được chọn ngẫu nhiên.
- Chúng tôi có thể quan tâm đến việc lặp lại lựa chọn ngẫu nhiên các mục từ một danh sách để tạo một tập hợp con được chọn ngẫu nhiên.
- # Chọn một tập hợp con mà không cần thay thế
- [11, 5, 17, 19, 9, 0, 16, 1, 15, 6, 10, 13, 14, 12, 7, 3, 8, 2, 18, 4]
- Mảng các giá trị số nguyên ngẫu nhiên
- 1.46755891E-01 9.23385948E-02 1.86260211E-01 3.45560727E-01
- Hàm này có ba đối số, đầu dưới của phạm vi, đầu trên của phạm vi và số lượng giá trị số nguyên để tạo hoặc kích thước của mảng. Các số nguyên ngẫu nhiên sẽ được rút ra từ một phân phối thống nhất bao gồm giá trị thấp hơn và không bao gồm giá trị trên, ví dụ: trong khoảng [dưới, trên].
- Mảng các giá trị số nguyên ngẫu nhiên
- # Tạo một số số nguyên
- # Tạo các giá trị Gaussian ngẫu nhiên
Tạo một số ngẫu nhiên duy nhất
Phương thức ngẫu nhiên [] trong mô -đun ngẫu nhiên tạo ra số float trong khoảng từ 0 đến 1.
Thí dụ
import random n = random.random[] print[n]
Đầu ra
Chạy mã trên cho chúng ta kết quả sau -
0.2112200
Tạo số trong một phạm vi
Phương thức randint [] tạo ra một số nguyên giữa một phạm vi số nhất định.
Thí dụ
import random n = random.randint[0,22] print[n]
Đầu ra
Chạy mã trên cho chúng ta kết quả sau -
2
Tạo số trong một phạm vi
Phương thức randint [] tạo ra một số nguyên giữa một phạm vi số nhất định.
Thí dụ
import random randomlist = [] for i in range[0,5]: n = random.randint[1,30] randomlist.append[n] print[randomlist]
Đầu ra
Chạy mã trên cho chúng ta kết quả sau -
[10, 5, 21, 1, 17]
Tạo số trong một phạm vi
Phương thức randint [] tạo ra một số nguyên giữa một phạm vi số nhất định.
Thí dụ
import random #Generate 5 random numbers between 10 and 30 randomlist = random.sample[range[10, 30], 5] print[randomlist]
Đầu ra
Chạy mã trên cho chúng ta kết quả sau -
[16, 19, 13, 18, 15]
Tạo số trong một phạm vi
- Phương thức randint [] tạo ra một số nguyên giữa một phạm vi số nhất định.
- Đầu ra
- Tạo danh sách các số sử dụng cho vòng lặp
- Chúng ta có thể sử dụng phương thức randint [] ở trên cùng với một vòng lặp để tạo danh sách các số. Trước tiên chúng tôi tạo một danh sách trống và sau đó nối các số ngẫu nhiên được tạo vào danh sách trống từng cái một.
- Sử dụng ngẫu nhiên.sample []
- Chúng tôi cũng có thể sử dụng phương thức mẫu [] có sẵn trong mô -đun ngẫu nhiên để tạo trực tiếp danh sách các số ngẫu nhiên. Chúng tôi chỉ định một phạm vi và cung cấp bao nhiêu số ngẫu nhiên chúng tôi cần tạo.
- Cập nhật ngày 08 tháng 8 năm 2019 06:54:57
- Câu hỏi và câu trả lời liên quan
- Tạo số nguyên tố ngẫu nhiên trong JavaScript
- Tạo số ngẫu nhiên trong một phạm vi trong c
- Tạo ID ngẫu nhiên ID trong Python
- Tạo số ngẫu nhiên trong Java
- Tạo số ngẫu nhiên trong C#
- Tạo chuỗi ngẫu nhiên bằng PHP
- Tạo ID ngẫu nhiên bằng UUID trong Python
- Tạo màu hex ngẫu nhiên trong javascript
Cập nhật lần cuối vào ngày 4 tháng 9 năm 2020
Việc sử dụng tính ngẫu nhiên là một phần quan trọng của cấu hình và đánh giá các thuật toán học máy.
Từ việc khởi tạo ngẫu nhiên các trọng số trong một mạng lưới thần kinh nhân tạo, cho đến việc chia dữ liệu thành các bộ tàu và thử nghiệm ngẫu nhiên, cho đến sự xáo trộn ngẫu nhiên của một bộ dữ liệu đào tạo ở độ dốc ngẫu nhiên, tạo ra các số ngẫu nhiên và khai thác ngẫu nhiên là một kỹ năng cần thiết.
Trong hướng dẫn này, bạn sẽ khám phá cách tạo và làm việc với các số ngẫu nhiên trong Python.
Sau khi hoàn thành hướng dẫn này, bạn sẽ biết:
- Tính ngẫu nhiên đó có thể được áp dụng trong các chương trình thông qua việc sử dụng các trình tạo số giả.
- Cách tạo số ngẫu nhiên và sử dụng tính ngẫu nhiên thông qua thư viện tiêu chuẩn Python.
- Cách tạo mảng các số ngẫu nhiên thông qua thư viện Numpy.
Bạn có câu hỏi nào không? Đặt câu hỏi của bạn trong các ý kiến dưới đây và tôi sẽ cố gắng hết sức để trả lời. with my new book Statistics for Machine Learning, including step-by-step tutorials and the Python source code files for all examples.
Nhận một xử lý về số liệu thống kê cho học máy!
Phát triển sự hiểu biết làm việc về số liệu thống kê
Photo by Harold Litwiler, some rights reserved.
... bằng cách viết dòng mã trong Python
Khám phá cách trong ebook mới của tôi: Phương pháp thống kê cho học máy
- Nó cung cấp các hướng dẫn tự học về các chủ đề như: các bài kiểm tra giả thuyết, tương quan, thống kê không tham số, lấy mẫu lại và nhiều hơn nữa ...
- Khám phá cách chuyển đổi dữ liệu thành kiến thức
- Bỏ qua các học giả. Chỉ là kết quả.
- Xem những gì bên trong
- Cập nhật lần cuối vào ngày 4 tháng 9 năm 2020
- Việc sử dụng tính ngẫu nhiên là một phần quan trọng của cấu hình và đánh giá các thuật toán học máy.
- Từ việc khởi tạo ngẫu nhiên các trọng số trong một mạng lưới thần kinh nhân tạo, cho đến việc chia dữ liệu thành các bộ tàu và thử nghiệm ngẫu nhiên, cho đến sự xáo trộn ngẫu nhiên của một bộ dữ liệu đào tạo ở độ dốc ngẫu nhiên, tạo ra các số ngẫu nhiên và khai thác ngẫu nhiên là một kỹ năng cần thiết.
- Trong hướng dẫn này, bạn sẽ khám phá cách tạo và làm việc với các số ngẫu nhiên trong Python.
- Sau khi hoàn thành hướng dẫn này, bạn sẽ biết:
- Tính ngẫu nhiên đó có thể được áp dụng trong các chương trình thông qua việc sử dụng các trình tạo số giả.
- Bỏ qua các học giả. Chỉ là kết quả.
- Xem những gì bên trong
- Cập nhật lần cuối vào ngày 4 tháng 9 năm 2020
- Việc sử dụng tính ngẫu nhiên là một phần quan trọng của cấu hình và đánh giá các thuật toán học máy.
- Từ việc khởi tạo ngẫu nhiên các trọng số trong một mạng lưới thần kinh nhân tạo, cho đến việc chia dữ liệu thành các bộ tàu và thử nghiệm ngẫu nhiên, cho đến sự xáo trộn ngẫu nhiên của một bộ dữ liệu đào tạo ở độ dốc ngẫu nhiên, tạo ra các số ngẫu nhiên và khai thác ngẫu nhiên là một kỹ năng cần thiết.
Trong hướng dẫn này, bạn sẽ khám phá cách tạo và làm việc với các số ngẫu nhiên trong Python.
Sau khi hoàn thành hướng dẫn này, bạn sẽ biết:
Tính ngẫu nhiên đó có thể được áp dụng trong các chương trình thông qua việc sử dụng các trình tạo số giả.
Khởi động dự án của bạn với số liệu thống kê sách mới của tôi cho học máy, bao gồm các hướng dẫn từng bước và các tệp mã nguồn Python cho tất cả các ví dụ.
Bắt đầu nào.
Cách tạo số ngẫu nhiên trong Pythonphoto của Harold Litwiler, một số quyền được bảo lưu.
Tổng quan hướng dẫn
Hướng dẫn này được chia thành 3 phần; họ đang:
Máy phát điện số giả
Các số ngẫu nhiên với thư viện tiêu chuẩn Python
Hạt giống máy phát số ngẫu nhiên
Giá trị điểm nổi ngẫu nhiên
Giá trị số nguyên ngẫu nhiên
Giá trị Gaussian ngẫu nhiên
Bỏ qua các học giả. Chỉ là kết quả.
Xem những gì bên trong
Cập nhật lần cuối vào ngày 4 tháng 9 năm 2020
Hàm hạt giống [] sẽ gieo hạt trình tạo số giả, lấy giá trị số nguyên làm đối số, chẳng hạn như 1 hoặc 7. Nếu hàm hạt giống [] không được gọi trước khi sử dụng tính ngẫu nhiên, mặc định là sử dụng thời gian hệ thống hiện tại trong mili giây từ thời đại [1970].
Ví dụ dưới đây cho thấy việc gieo hạt Trình tạo số giả, tạo ra một số số ngẫu nhiên và cho thấy việc nối lại trình tạo sẽ dẫn đến cùng một chuỗi các số được tạo.
# Hạt trình tạo số giả danh hiệu
từ hạt nhập khẩu ngẫu nhiênrandom import seed
từ nhập ngẫu nhiên ngẫu nhiênrandom import random
# Trình tạo số ngẫu nhiên hạt giống
seed[1][1]
# Tạo một số số ngẫu nhiên
print[random[],random[],random[]][random[], random[],random[]]
# Đặt lại hạt giống
seed[1][1]
# Tạo một số số ngẫu nhiên
print[random[],random[],random[]][random[],random[], random[]]
# Đặt lại hạt giống
Chạy ví dụ hạt giống trình tạo số giả giả với giá trị 1, tạo 3 số ngẫu nhiên, nối lại trình tạo và cho thấy ba số ngẫu nhiên giống nhau được tạo ra.
Chạy ví dụ hạt giống trình tạo số giả giả với giá trị 1, tạo 3 số ngẫu nhiên, nối lại trình tạo và cho thấy ba số ngẫu nhiên giống nhau được tạo ra.
0.13436424411240122 0.8474337369372327 0.763774618976614
Nó có thể hữu ích để kiểm soát tính ngẫu nhiên bằng cách đặt hạt giống để đảm bảo rằng mã của bạn tạo ra kết quả tương tự mỗi lần, chẳng hạn như trong một mô hình sản xuất.
Đối với các thí nghiệm chạy trong đó ngẫu nhiên được sử dụng để kiểm soát các biến gây nhiễu, một hạt giống khác nhau có thể được sử dụng cho mỗi lần chạy thử nghiệm.
Giá trị điểm nổi ngẫu nhiên
Các giá trị điểm nổi ngẫu nhiên có thể được tạo bằng hàm ngẫu nhiên []. Các giá trị sẽ được tạo trong phạm vi từ 0 đến 1, cụ thể trong khoảng [0,1].
Các giá trị được rút ra từ một phân phối đồng nhất, có nghĩa là mỗi giá trị có cơ hội được rút ra như nhau.
Ví dụ dưới đây tạo ra 10 giá trị điểm nổi ngẫu nhiên.
từ hạt nhập khẩu ngẫu nhiênrandom import seed
từ nhập ngẫu nhiên ngẫu nhiênrandom import random
# Trình tạo số ngẫu nhiên hạt giống
seed[1][1]
# Tạo một số số ngẫu nhiên
for_inrange[10]:_in range[10]:
value=random[]=random[]
print[value][value]
# Đặt lại hạt giống
0.13436424411240122
0.8474337369372327
0.763774618976614
0.2550690257394217
0.49543508709194095
0.4494910647887381
0.651592972722763
0.7887233511355132
0.0938595867742349
0.02834747652200631
Chạy ví dụ hạt giống trình tạo số giả giả với giá trị 1, tạo 3 số ngẫu nhiên, nối lại trình tạo và cho thấy ba số ngẫu nhiên giống nhau được tạo ra.
0.13436424411240122 0.8474337369372327 0.763774618976614
Nó có thể hữu ích để kiểm soát tính ngẫu nhiên bằng cách đặt hạt giống để đảm bảo rằng mã của bạn tạo ra kết quả tương tự mỗi lần, chẳng hạn như trong một mô hình sản xuất.
Đối với các thí nghiệm chạy trong đó ngẫu nhiên được sử dụng để kiểm soát các biến gây nhiễu, một hạt giống khác nhau có thể được sử dụng cho mỗi lần chạy thử nghiệm.
Giá trị điểm nổi ngẫu nhiên
Các giá trị điểm nổi ngẫu nhiên có thể được tạo bằng hàm ngẫu nhiên []. Các giá trị sẽ được tạo trong phạm vi từ 0 đến 1, cụ thể trong khoảng [0,1].
Các giá trị được rút ra từ một phân phối đồng nhất, có nghĩa là mỗi giá trị có cơ hội được rút ra như nhau.
Ví dụ dưới đây tạo ra 10 giá trị điểm nổi ngẫu nhiên.
từ hạt nhập khẩu ngẫu nhiênrandom import seed
# Tạo các giá trị điểm nổi ngẫu nhiênrandom import randint
# Trình tạo số ngẫu nhiên hạt giống
seed[1][1]
# Tạo một số số ngẫu nhiên
for_inrange[10]:_in range[10]:
value=randint[0,10]=randint[0,10]
print[value][value]
# Đặt lại hạt giống
Chạy ví dụ hạt giống trình tạo số giả giả với giá trị 1, tạo 3 số ngẫu nhiên, nối lại trình tạo và cho thấy ba số ngẫu nhiên giống nhau được tạo ra.
0.13436424411240122 0.8474337369372327 0.763774618976614
Nó có thể hữu ích để kiểm soát tính ngẫu nhiên bằng cách đặt hạt giống để đảm bảo rằng mã của bạn tạo ra kết quả tương tự mỗi lần, chẳng hạn như trong một mô hình sản xuất.
Đối với các thí nghiệm chạy trong đó ngẫu nhiên được sử dụng để kiểm soát các biến gây nhiễu, một hạt giống khác nhau có thể được sử dụng cho mỗi lần chạy thử nghiệm.
Giá trị điểm nổi ngẫu nhiên
Các giá trị điểm nổi ngẫu nhiên có thể được tạo bằng hàm ngẫu nhiên []. Các giá trị sẽ được tạo trong phạm vi từ 0 đến 1, cụ thể trong khoảng [0,1].
từ hạt nhập khẩu ngẫu nhiênrandom import seed
Các giá trị được rút ra từ một phân phối đồng nhất, có nghĩa là mỗi giá trị có cơ hội được rút ra như nhau.random import gauss
# Trình tạo số ngẫu nhiên hạt giống
seed[1][1]
# Tạo một số số ngẫu nhiên
for_inrange[10]:_in range[10]:
value=gauss[0,1]=gauss[0,1]
print[value][value]
# Đặt lại hạt giống
1.2881847531554629
1.449445608699771
0.06633580893826191
-0.7645436509716318
-1.0921732151041414
0.03133451683171687
-1.022103170010873
-1.4368294451025299
0.19931197648375384
0.13337460465860485
Chạy ví dụ hạt giống trình tạo số giả giả với giá trị 1, tạo 3 số ngẫu nhiên, nối lại trình tạo và cho thấy ba số ngẫu nhiên giống nhau được tạo ra.
0.13436424411240122 0.8474337369372327 0.763774618976614
Nó có thể hữu ích để kiểm soát tính ngẫu nhiên bằng cách đặt hạt giống để đảm bảo rằng mã của bạn tạo ra kết quả tương tự mỗi lần, chẳng hạn như trong một mô hình sản xuất.
Ví dụ dưới đây tạo ra một danh sách 20 số nguyên và đưa ra năm ví dụ về việc chọn một mục ngẫu nhiên từ danh sách.
# Chọn một phần tử ngẫu nhiên từ danh sách
từ hạt nhập khẩu ngẫu nhiênrandom import seed
từ sự lựa chọn nhập khẩu ngẫu nhiênrandom import choice
# Trình tạo số ngẫu nhiên hạt giống
seed[1][1]
# Chuẩn bị một chuỗi
sequence=[iforiinrange[20]]=[i foriinrange[20]]
print[sequence][sequence]
# Lựa chọn từ chuỗi
for_inrange[5]:_inrange[5]:
selection=choice[sequence]=choice[sequence]
print[selection][selection]
Chạy ví dụ đầu tiên in danh sách các giá trị số nguyên, theo sau là năm ví dụ về việc chọn và in một giá trị ngẫu nhiên từ danh sách.
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19]
4
18
2
8
3
Mẫu phụ ngẫu nhiên từ một danh sách
Chúng tôi có thể quan tâm đến việc lặp lại lựa chọn ngẫu nhiên các mục từ một danh sách để tạo một tập hợp con được chọn ngẫu nhiên.
Điều quan trọng, một khi một mục được chọn từ danh sách và được thêm vào tập hợp con, nó không nên được thêm lại. Điều này được gọi là lựa chọn mà không cần thay thế vì một khi một mục trong danh sách được chọn cho tập hợp con, nó không được thêm lại vào danh sách ban đầu [nghĩa là không được cung cấp để lựa chọn lại].
Hành vi này được cung cấp trong hàm mẫu [] chọn một mẫu ngẫu nhiên từ danh sách mà không cần thay thế. Hàm lấy cả danh sách và kích thước của tập hợp con để chọn làm đối số. Lưu ý rằng các mục không thực sự bị xóa khỏi danh sách ban đầu, chỉ được chọn vào một bản sao của danh sách.
Ví dụ dưới đây cho thấy việc chọn một tập hợp con gồm năm mục từ danh sách 20 số nguyên.
# Chọn một mẫu ngẫu nhiên mà không cần thay thế
từ hạt nhập khẩu ngẫu nhiênrandom import seed
từ sự lựa chọn nhập khẩu ngẫu nhiênrandom import sample
# Trình tạo số ngẫu nhiên hạt giống
seed[1][1]
# Chuẩn bị một chuỗi
sequence=[iforiinrange[20]]=[i foriinrange[20]]
print[sequence][sequence]
# Lựa chọn từ chuỗi
subset=sample[sequence,5]=sample[sequence,5]
print[subset][subset]
Chạy ví dụ đầu tiên in danh sách các giá trị số nguyên, theo sau là năm ví dụ về việc chọn và in một giá trị ngẫu nhiên từ danh sách.
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19]
Mẫu phụ ngẫu nhiên từ một danh sách
Chúng tôi có thể quan tâm đến việc lặp lại lựa chọn ngẫu nhiên các mục từ một danh sách để tạo một tập hợp con được chọn ngẫu nhiên.
Điều quan trọng, một khi một mục được chọn từ danh sách và được thêm vào tập hợp con, nó không nên được thêm lại. Điều này được gọi là lựa chọn mà không cần thay thế vì một khi một mục trong danh sách được chọn cho tập hợp con, nó không được thêm lại vào danh sách ban đầu [nghĩa là không được cung cấp để lựa chọn lại].
Hành vi này được cung cấp trong hàm mẫu [] chọn một mẫu ngẫu nhiên từ danh sách mà không cần thay thế. Hàm lấy cả danh sách và kích thước của tập hợp con để chọn làm đối số. Lưu ý rằng các mục không thực sự bị xóa khỏi danh sách ban đầu, chỉ được chọn vào một bản sao của danh sách.
Ví dụ dưới đây cho thấy việc chọn một tập hợp con gồm năm mục từ danh sách 20 số nguyên.
# Chọn một mẫu ngẫu nhiên mà không cần thay thế
từ hạt nhập khẩu ngẫu nhiênrandom import seed
từ mẫu nhập ngẫu nhiênrandom import shuffle
# Trình tạo số ngẫu nhiên hạt giống
seed[1][1]
# Chuẩn bị một chuỗi
sequence=[iforiinrange[20]]=[i foriinrange[20]]
print[sequence][sequence]
# Lựa chọn từ chuỗi
shuffle[sequence][sequence]
print[sequence][sequence]
Chạy ví dụ đầu tiên in danh sách các giá trị số nguyên, theo sau là năm ví dụ về việc chọn và in một giá trị ngẫu nhiên từ danh sách.
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19]
Mẫu phụ ngẫu nhiên từ một danh sách
Chúng tôi có thể quan tâm đến việc lặp lại lựa chọn ngẫu nhiên các mục từ một danh sách để tạo một tập hợp con được chọn ngẫu nhiên.
Điều quan trọng, một khi một mục được chọn từ danh sách và được thêm vào tập hợp con, nó không nên được thêm lại. Điều này được gọi là lựa chọn mà không cần thay thế vì một khi một mục trong danh sách được chọn cho tập hợp con, nó không được thêm lại vào danh sách ban đầu [nghĩa là không được cung cấp để lựa chọn lại].
Hành vi này được cung cấp trong hàm mẫu [] chọn một mẫu ngẫu nhiên từ danh sách mà không cần thay thế. Hàm lấy cả danh sách và kích thước của tập hợp con để chọn làm đối số. Lưu ý rằng các mục không thực sự bị xóa khỏi danh sách ban đầu, chỉ được chọn vào một bản sao của danh sách.
Ví dụ dưới đây cho thấy việc chọn một tập hợp con gồm năm mục từ danh sách 20 số nguyên.
# Chọn một mẫu ngẫu nhiên mà không cần thay thế
từ mẫu nhập ngẫu nhiên
# Chọn một tập hợp con mà không cần thay thế
Chạy ví dụ đầu tiên in danh sách các giá trị số nguyên, sau đó mẫu ngẫu nhiên được chọn và in để so sánh.
[4, 18, 2, 8, 3]
Ngẫu nhiên xáo trộn một danh sách
Sự ngẫu nhiên có thể được sử dụng để xáo trộn một danh sách các mặt hàng, như xáo trộn một bộ bài.
Hàm Shuffle [] có thể được sử dụng để xáo trộn danh sách. Shuffle được thực hiện tại chỗ, có nghĩa là danh sách được cung cấp như một đối số cho hàm shuffle [] được xáo trộn thay vì một bản sao xáo trộn của danh sách được tạo và trả về.
Ví dụ dưới đây cho thấy ngẫu nhiên xáo trộn một danh sách các giá trị số nguyên.numpy.random import seed
# ngẫu nhiên xáo trộn một chuỗinumpy.random import rand
# Trình tạo số ngẫu nhiên hạt giống
seed[1][1]
Từ việc nhập khẩu ngẫu nhiên
print[rand[3]][rand[3]]
# ngẫu nhiên xáo trộn chuỗi
seed[1][1]
Từ việc nhập khẩu ngẫu nhiên
print[rand[3]][rand[3]]
# ngẫu nhiên xáo trộn chuỗi
Chạy ví dụ đầu tiên in danh sách các số nguyên, sau đó cùng một danh sách sau khi nó bị xáo trộn ngẫu nhiên.
Chạy ví dụ đầu tiên in danh sách các số nguyên, sau đó cùng một danh sách sau khi nó bị xáo trộn ngẫu nhiên.
[11, 5, 17, 19, 9, 0, 16, 1, 15, 6, 10, 13, 14, 12, 7, 3, 8, 2, 18, 4]
3. Số ngẫu nhiên với Numpy
Nếu không có đối số nào được cung cấp, thì một giá trị ngẫu nhiên duy nhất được tạo, nếu không kích thước của mảng có thể được chỉ định.
Ví dụ dưới đây tạo ra một mảng gồm 10 giá trị điểm nổi ngẫu nhiên được rút ra từ phân phối đồng đều.
# Tạo các giá trị điểm nổi ngẫu nhiên
từ Numpy.Random Hạt nhập nhập khẩunumpy.random import seed
từ numpy.random nhập khẩu randnumpy.random import rand
# Trình tạo số ngẫu nhiên hạt giống
seed[1][1]
# Tạo số ngẫu nhiên trong khoảng 0-1
values=rand[10] =rand[10]
print[values][values]
Chạy ví dụ tạo và in mảng vô cùng của các giá trị điểm nổi ngẫu nhiên.
[4.17022005E-01 7.20324493E-01 1.14374817E-04 3.02332573E-01
1.46755891E-01 9.23385948E-02 1.86260211E-01 3.45560727E-01
3.96767474E-01 5.38816734E-01]
Mảng các giá trị số nguyên ngẫu nhiên
Một mảng các số nguyên ngẫu nhiên có thể được tạo bằng hàm randint [] numpy.
Hàm này có ba đối số, đầu dưới của phạm vi, đầu trên của phạm vi và số lượng giá trị số nguyên để tạo hoặc kích thước của mảng. Các số nguyên ngẫu nhiên sẽ được rút ra từ một phân phối thống nhất bao gồm giá trị thấp hơn và không bao gồm giá trị trên, ví dụ: trong khoảng [dưới, trên].
Ví dụ dưới đây cho thấy việc tạo ra một mảng các số nguyên ngẫu nhiên.
# Tạo các giá trị số nguyên ngẫu nhiên
từ Numpy.Random Hạt nhập nhập khẩunumpy.random import seed
từ numpy.random nhập khẩu randnumpy.random import randint
# Trình tạo số ngẫu nhiên hạt giống
seed[1][1]
# Tạo số ngẫu nhiên trong khoảng 0-1
values=randint[0,10,20] =randint[0,10,20]
print[values][values]
Chạy ví dụ tạo và in mảng vô cùng của các giá trị điểm nổi ngẫu nhiên.
[4.17022005E-01 7.20324493E-01 1.14374817E-04 3.02332573E-01
1.46755891E-01 9.23385948E-02 1.86260211E-01 3.45560727E-01
3.96767474E-01 5.38816734E-01]
Mảng các giá trị số nguyên ngẫu nhiên
Một mảng các số nguyên ngẫu nhiên có thể được tạo bằng hàm randint [] numpy.
Hàm này có ba đối số, đầu dưới của phạm vi, đầu trên của phạm vi và số lượng giá trị số nguyên để tạo hoặc kích thước của mảng. Các số nguyên ngẫu nhiên sẽ được rút ra từ một phân phối thống nhất bao gồm giá trị thấp hơn và không bao gồm giá trị trên, ví dụ: trong khoảng [dưới, trên].
từ Numpy.Random Hạt nhập nhập khẩunumpy.random import seed
từ numpy.random nhập khẩu randnumpy.random import randn
# Trình tạo số ngẫu nhiên hạt giống
seed[1][1]
# Tạo số ngẫu nhiên trong khoảng 0-1
values=randn[10] =randn[10]
print[values][values]
Chạy ví dụ tạo và in mảng vô cùng của các giá trị điểm nổi ngẫu nhiên.
[4.17022005E-01 7.20324493E-01 1.14374817E-04 3.02332573E-01
1.46755891E-01 9.23385948E-02 1.86260211E-01 3.45560727E-01
3.96767474E-01 5.38816734E-01]
Mảng các giá trị số nguyên ngẫu nhiên
Một mảng các số nguyên ngẫu nhiên có thể được tạo bằng hàm randint [] numpy.
Hàm này có ba đối số, đầu dưới của phạm vi, đầu trên của phạm vi và số lượng giá trị số nguyên để tạo hoặc kích thước của mảng. Các số nguyên ngẫu nhiên sẽ được rút ra từ một phân phối thống nhất bao gồm giá trị thấp hơn và không bao gồm giá trị trên, ví dụ: trong khoảng [dưới, trên].
Ví dụ dưới đây cho thấy việc tạo ra một mảng các số nguyên ngẫu nhiên.
# Tạo các giá trị số nguyên ngẫu nhiên
từ numpy.random nhập khẩu randint
từ Numpy.Random Hạt nhập nhập khẩunumpy.random import seed
# Tạo một số số nguyênnumpy.random import shuffle
# Trình tạo số ngẫu nhiên hạt giống
seed[1][1]
# Tạo số ngẫu nhiên trong khoảng 0-1
sequence=[iforiinrange[20]] =[iforiinrange[20]]
print[sequence][sequence]
Chạy ví dụ tạo và in mảng vô cùng của các giá trị điểm nổi ngẫu nhiên.
shuffle[sequence][sequence]
print[sequence][sequence]
[4.17022005E-01 7.20324493E-01 1.14374817E-04 3.02332573E-01
1.46755891E-01 9.23385948E-02 1.86260211E-01 3.45560727E-01
3.96767474E-01 5.38816734E-01]
Mảng các giá trị số nguyên ngẫu nhiên
Một mảng các số nguyên ngẫu nhiên có thể được tạo bằng hàm randint [] numpy.
- Hàm này có ba đối số, đầu dưới của phạm vi, đầu trên của phạm vi và số lượng giá trị số nguyên để tạo hoặc kích thước của mảng. Các số nguyên ngẫu nhiên sẽ được rút ra từ một phân phối thống nhất bao gồm giá trị thấp hơn và không bao gồm giá trị trên, ví dụ: trong khoảng [dưới, trên].
- Ví dụ dưới đây cho thấy việc tạo ra một mảng các số nguyên ngẫu nhiên.
- # Tạo các giá trị số nguyên ngẫu nhiên
- từ numpy.random nhập khẩu randint
# Tạo một số số nguyên
Chạy ví dụ tạo và in một mảng gồm 20 giá trị số nguyên ngẫu nhiên trong khoảng từ 0 đến 10.
[5 8 9 5 0 0 1 7 6 9 2 4 5 2 4 2 4 7 7 9]
- Mảng các giá trị Gaussian ngẫu nhiên
- Một mảng các giá trị Gaussian ngẫu nhiên có thể được tạo bằng cách sử dụng hàm numpy randn [].
- Hàm này có một đối số duy nhất để chỉ định kích thước của mảng kết quả. Các giá trị Gaussian được rút ra từ phân phối Gaussian tiêu chuẩn; Đây là một phân phối có giá trị trung bình 0,0 và độ lệch chuẩn là 1,0.
Ví dụ dưới đây cho thấy cách tạo ra một mảng các giá trị Gaussian ngẫu nhiên.
Ask your questions in the comments below and I will do my best to answer.
# Tạo các giá trị Gaussian ngẫu nhiên
từ numpy.random nhập khẩu randn
# Tạo một số giá trị Gaussian
Chạy ví dụ tạo và in một mảng gồm 10 giá trị ngẫu nhiên từ phân phối Gaussian tiêu chuẩn.
Statistical Methods for Machine Learning
[1.62434536 -0.61175641 -0.52817175 -1.07296862self-study tutorials on topics like:
Hypothesis Tests, Correlation, Nonparametric Stats, Resampling, and much more...
1.74481176 -0.7612069 & nbsp; & nbsp; 0.3190391 & nbsp; & nbsp; -0.24937038]
Các giá trị từ phân phối Gaussian tiêu chuẩn có thể được chia tỷ lệ bằng cách nhân giá trị với độ lệch chuẩn và thêm giá trị trung bình từ phân phối tỷ lệ mong muốn. Ví dụ: