Nombant.aléatoire.Aléatoire.méthode uniforme

Numpy est une bibliothèque Python qui est utilisée pour l'informatique numérique. Le hasard.Aléatoire.La méthode uniforme est une fonction numpy utilisée pour générer des nombres aléatoires, que nous obtenons à partir d'une variété de distributions de probabilité. Cette fonction est appliquée pour obtenir des valeurs aléatoires. Que se passe-t-il si nous avons des valeurs de points flottants ou des valeurs entières par milliers? Alors que ferons-nous? Entrant manuellement les valeurs? Non, en utilisant le hasard.Aléatoire.La méthode uniforme est très possible pour obtenir des valeurs aléatoires également distribuées. Nous donnons simplement des valeurs et des tailles faibles et élevées. Ensuite, en utilisant cette méthode, il renverra la sortie dans un tableau unidimensionnel. Nous utilisons principalement cette fonction lorsque nous faisons du tracé graphique ou lorsque nous devons utiliser des valeurs aléatoires; L'ensemble de données résultant peut être utilisé pour former et tester différents modèles. Il s'agit d'une méthode numérique; À cette fin, nous importons la bibliothèque Numpy à Python.

Syntaxe

Nombant.aléatoire.RandomState ().uniforme (bas = 0.0, haut = 10.0, taille = 2)

Paramètres

Dans cette méthode, dans la méthode uniforme, trois paramètres sont utilisés bas, haut et taille. Il fonctionne car les échantillons sont uniformément distribués sur un intervalle à moitié ouvert, ce qui signifie qu'il comprend faible mais exclut élevé [bas, haut).

• • Faible: Toute valeur de point flottante ou valeur entière est le point de départ d'un échantillon uniformément distribué, il est facultatif, et si nous n'attribuons pas la valeur faible, alors il sera supposé comme zéro.
  • Haut: La valeur maximale est élevée que l'échantillon peut atteindre, mais il exclut cette valeur élevée dans l'échantillon.
  • Taille: Ce paramètre indique le compilateur du nombre de valeurs que nous avons l'intention de créer.

Valeur de retour

Cette méthode renvoie la valeur de sortie en tant que tableau unidimensionnel.

Bibliothèque d'importation

Chaque fois que nous utilisons une fonction à partir d'une bibliothèque, nous devons importer le module correspondant avant d'utiliser cette fonction particulière dans le code. Sinon, nous ne pourrons pas appeler les fonctions de cette bibliothèque. Pour utiliser des fonctions Numpy, nous devons importer la bibliothèque Numpy afin que notre code puisse utiliser toutes les fonctions Numpy.

Importer Numpy comme fonction_name

Ici disons que NP est le nom de la fonction.

Importer Numpy comme NP

Le «NP» est le nom de la fonction. Nous pouvons utiliser n'importe quel nom, mais la plupart des experts utilisent «NP» comme nom de fonction pour le rendre simple. Avec ce nom de fonction, nous pouvons utiliser n'importe quelle fonction de la bibliothèque Numpy dans notre code.

Exemple non. 1

Le hasard.RandomState ().La méthode uniforme () est très utile lorsque nous voulons former des modèles. Un exemple avec des valeurs entiers est donné ci-dessous.

Le code ci-dessus importe d'abord la bibliothèque Numpy, qui est une bibliothèque Python utilisée pour les fonctions numériques. Il existe plusieurs fonctions mathématiques dans cette bibliothèque, mais pour utiliser ces fonctions, nous devons importer la bibliothèque et lui donner un nom de fonction. Avec ce nom de fonction, nous appellerons les fonctions intégrées Numpy. Ici Numpy Library est importée avec «NP» comme nom de fonction. Ensuite, le hasard.RandomState ().Uniforme () est utilisé avec le «NP». Dans la méthode uniforme (), trois paramètres se voient attribuer différentes valeurs. L'argument «bas» est attribué 0.0; C'est le point d'où les données d'échantillons commencent et généreront de manière aléatoire des valeurs. L'attribut «High» est attribué 8, ce qui signifie que les données aléatoires ne peuvent pas atteindre 8 ou dépasser 8; en dessous de 8, toute valeur peut être générée. L'argument «taille» indique combien de valeurs nous avons besoin. Enregistrer le résultat de cette méthode dans une variable. Pour montrer la valeur résultante, invoquer la fonction print (), et à l'intérieur de cette méthode, nous devons placer la variable où nous avons stocké le résultat.

La sortie du programme est affichée. Il affiche d'abord le message, et après cela, un tableau est présenté qui contient 10 valeurs aléatoires. Et ce tableau ne contient pas de valeur négative car nous avons attribué la valeur la plus basse, 0.0, ce qui signifie que l'échantillon ne peut pas avoir une valeur négative.

Exemple non. 2

Nous pouvons également utiliser le hasard.RandomState ().fonction uniforme () sans attribuer la valeur basse. Il générera automatiquement un échantillon supérieur à 0.

Nous importerions d'abord un module Numpy en tant que NP. Puis appelez le NP.aléatoire.RandomState ().fonction uniforme (). Ici, nous fournirons les valeurs de seulement deux arguments, «élevé» et «taille». Nous ne pouvons pas spécifier la valeur du paramètre «bas». Il est facultatif car si nous ne lui attribuez aucune valeur, il suppose que la valeur basse est 0.0 pour cette méthode. «High» est la valeur maximale; Nous pouvons dire que c'est la limite et la «taille» est le nombre de valeurs que nous voulons dans un ensemble de données. Stockez le résultat en «sortie» variable. Affichez la valeur avec un message en utilisant l'instruction PRINT.

Dans le résultat, le tableau qui en résulte contient 8 valeurs car nous avons défini la taille comme 8. Les valeurs sont toutes produites au hasard.

Exemple non. 3

Un autre exemple de code illustre que nous pouvons également allouer la valeur négative au paramètre «faible» de la méthode uniforme (). La taille de l'ensemble de données créé n'est pas pertinente en utilisant NP.aléatoire.RandomState ().fonction uniforme (), nous pouvons simplement créer de grandes données d'échantillons.

L'incorporation du module Numpy est toujours l'étape initiale. Dans la déclaration suivante, utilisez le hasard.RandomState ().Méthode uniforme () pour générer des données d'échantillons au hasard. Ici, nous définissons également la valeur et la taille la plus basse et la plus élevée du tableau de sortie. La taille doit être une valeur entière car la sortie sera stockée dans un tableau, et la taille du tableau ne peut pas être dans une valeur de point flottante. Et le paramètre «faible» se voit attribuer une valeur négative juste pour élaborer que nous pouvons utiliser des valeurs négatives. La méthode print () affiche un message avec le tableau résultant en utilisant le nom de variable dans lequel nous avons stocké le tableau.

Les résultats indiquent que la valeur la plus basse peut être négative ou inférieure à zéro. Un tableau unidimensionnel et un message sont imprimés comme la sortie.

Conclusion

Nous allons plus en profondeur sur Numpy.aléatoire.Aléatoire.Méthode uniforme () dans ce guide. Tout est couvert en détail, y compris l'introduction de base, la syntaxe appropriée, les paramètres et comment utiliser cette méthode dans le code. Les exemples de codage expliquent comment nous pouvons appliquer au hasard.RandomState ().Méthode uniforme () avec ou sans paramètre «bas». C'est une méthode très utile chaque fois que nous avons affaire à de grandes données ou lorsque nous voulons des valeurs aléatoires.