Python tilfeldig uniform numpy.Tilfeldig.Uniform

Vi ser på den numpy tilfeldige ensartede metoden i denne artikkelen. Vi vil også se på syntaks og parametere for å få bedre kunnskap om emnet. Deretter bruker vi noen få eksempler, hvordan all teorien blir utført i praksis. Numpy er en veldig stor og kraftig Python -pakke, som vi alle vet.

Den har mange funksjoner, inkludert numpy tilfeldig uniform (), som er en av dem. Denne funksjonen hjelper oss med å skaffe tilfeldige prøver fra en enhetlig datadistribusjon. Etter det returneres de tilfeldige prøvene som en numpy matrise. Vi skal bedre forstå denne funksjonen når vi fortsetter gjennom denne artikkelen. Vi ser på syntaksen som følger med det neste.

Numpy tilfeldig uniform () syntaks

Numpy Random Uniform () -metodens syntaks er listet nedenfor.

# numpy.tilfeldig.uniform (lav = 0.0, høy = 1.0)

For en bedre forståelse, la oss gå over hver av parametrene en etter en. Hver parameter påvirker hvordan funksjonen fungerer på noen måte.

Størrelse

Den bestemmer hvor mange elementer som legges til i utgangsarrayen. Som et resultat, hvis størrelsen er satt til 3, vil den numpy arrayen ha tre elementer. Utgangen vil ha fire elementer hvis størrelsen er satt til 4.

En tuple av verdier kan også brukes til å gi størrelsen. Funksjonen vil bygge et flerdimensjonalt utvalg i dette scenariet. np.tilfeldig.Uniform vil konstruere en numpy matrise med en rad og to kolonner hvis størrelse = (1,2) er spesifisert.

Størrelsesargumentet er valgfritt. Hvis størrelsesparameteren blir tom, vil funksjonen returnere en enkelt verdi mellom lav og høy.

Lav

Den lave parameteren etablerer en nedre grense for rekke mulige utgangsverdier. Husk at lavt er en av de mulige utgangene. Som et resultat, hvis du setter lav = 0, er utgangsverdien kanskje 0. Det er en valgfri parameter. Den vil standard være 0 hvis denne parameteren ikke får noen verdi.

Høy

Den øvre grensen for tillatte utgangsverdier er spesifisert av den høye parameteren. Det er verdt å nevne at verdien av den høye parameteren ikke er tatt i betraktning. Resultat, hvis du angir verdien av høy = 1, er det kanskje ikke mulig for deg å oppnå den nøyaktige verdien 1.

Legg også merke til at den høye parameteren nødvendiggjør bruk av et argument. Når det er sagt, trenger du ikke å bruke parameternavnet direkte. For å si det annerledes, kan du bruke posisjonen til denne parameteren for å gi et argument til den.

Eksempel 1:

Først skal vi lage en numpy matrise med fire verdier fra området [0,1]. Størrelsesparameteren er tilordnet størrelse = 4 i dette tilfellet. Som en konsekvens returnerer funksjonen en numpy matrise som inneholder fire verdier.

Vi har også satt de lave og høye verdiene til henholdsvis 0 og 1. Disse parametrene definerer verdiene som kan brukes. Utgangen består av fire sifre fra 0 til 1.

Importer numpy som NP
np.tilfeldig.frø (30)
trykk (NP.tilfeldig.Uniform (størrelse = 4, lav = 0, høy = 1))

Nedenfor er utgangsskjermen der du kan se at de fire verdiene blir generert.

Eksempel 2:

Vi lager en 2-dimensjonal rekke like distribuerte tall her. Dette fungerer på samme måte som vi har diskutert i det første eksemplet. Det viktigste skillet er størrelsesparameters argument. Vi bruker størrelse = i dette tilfellet (3,4).

Importer numpy som NP
np.tilfeldig.frø (1)
trykk (NP.tilfeldig.Uniform (størrelse = (3,4), lav = 0, høy = 1))

Som du kan se i det vedlagte skjermbildet, er resultatet et numpy matrise med tre rader og fire kolonner. Fordi størrelsesargumentet er satt til størrelse = (3,4). En matrise med tre rader og fire kolonner opprettes i vårt tilfelle. Arrayens verdier er alle mellom 0 og 1 fordi vi setter lav = 0 og høy = 1.

Eksempel 3:

Vi vil lage en rekke verdier som er konsekvent hentet fra et gitt område. Vi lager et numpy matrise med to verdier her. Verdiene vil imidlertid bli valgt fra området [40, 50]. Den lave og også de høye parametrene kan brukes til å definere punktene (lav og høy) av området. Størrelsesparameteren er satt til størrelse = 2 i dette tilfellet.

Importer numpy som NP
np.tilfeldig.frø (0)
trykk (NP.tilfeldig.Uniform (størrelse = 2, lav = 40, høy = 50))

Som et resultat har utgangen to verdier. Vi har også satt de lave og høye verdiene til henholdsvis 40 og 50. Som et resultat er alle verdiene på 50- og 60 -tallet, som du kan se nedenfor.

Eksempel 4:

La oss nå se på et mer sammensatt eksempel som vil hjelpe oss med bedre forståelse. Et annet eksempel på Numpy.tilfeldig.Uniform () -funksjon finner du nedenfor. Vi tegnet grafen i stedet for bare å beregne verdien som vi gjorde i de forrige eksemplene.

Vi benyttet matplotlib, en annen flott Python -pakke, for å gjøre dette. Numpy -biblioteket ble først importert, etterfulgt av matplotlib. Så benyttet vi funksjonens syntaks for å få det resultatet vi ønsket. Etter det brukes matplottbiblioteket. Ved å bruke dataene fra vår etablerte funksjon, kan vi generere eller skrive ut et histogram.

Importer numpy som NP
Importer matplotlib.Pyplot som Plt
plot_p = np.tilfeldig.Uniform (-1, 1, 500)
plt.hist (plot_p, binger = 50, tetthet = true)
plt.forestilling()

Her kan du se grafen i stedet for verdiene.

Konklusjon:

Vi har gått over Numpy Random Uniform () -metoden i denne artikkelen. Bortsett fra det, så vi på syntaks og parametere. Vi har også gitt forskjellige eksempler for å hjelpe deg med å forstå emnet bedre. For hvert eksempel endret vi syntaks og undersøkte utgangen. Til slutt kan vi si at denne funksjonen hjelper oss ved å generere prøver fra en jevn distribusjon.