Metodo normale Numpy Random Normal

“Se esegui qualsiasi tipo di scienza dei dati in Python, in genere dovrai lavorare con numeri casuali. I numeri casuali non producono numeri diversi ogni volta ma hanno significati diversi. Significa che qualcosa non sarà anticipato logicamente. Dobbiamo generare un numero casuale e un po 'di algoritmo potrebbe essere dietro di esso. L'algoritmo è il numero di passaggi in cui scriviamo semplicemente la sequenza dei passaggi per risolvere un problema particolare e i dati pesanti possono essere archiviati e gestiti da Numpy. Numpy è una biblioteca Python che aiuta nei calcoli e nei calcoli matematici. Numpy Array normalizzerà anche le file usando Python; Usando Numpy Array, ci vorrà meno memoria."

Sintassi per numpy.Casuale.Metodo normale

Np.casuale.normale (loc =, scale =, dimensioni =)

Np.casuale.normale () è il nome della funzione e possiamo passare tre parametri all'interno della funzione. Tutti e tre questi parametri non sono importanti. Se non passiamo alcun parametro, allora darà un singolo numero di esempio. Il parametro ha la "posizione" in quanto viene utilizzato per i mezzi di distribuzione, mentre le "scale" sono lo standard di deviazione nella distribuzione e "dimensione" è la forma dell'array numpy di uscita.

Parametri

• LOC: Questo non è un parametro obbligatorio che identifica la media della distribuzione. Ha un valore predefinito di 0.0. Può essere galleggiante o array.
• Scale: questo non è un parametro obbligatorio e identifica la deviazione standard. Ha un valore predefinito di 1.0. Può essere galleggiante o array.
• Dimensioni: questo non è un parametro obbligatorio e identifica la forma dell'array. Ha un valore predefinito di 1. Può essere un int o una tupla di int.

Biblioteca per Numpy

Importa Numpy come NP. È la libreria che possiamo applicare all'inizio del nostro codice. Perché è necessario fare qualsiasi calcolo. Se non usi la parola "importa numpy", allora numpy non eseguirà.

Generare numero casuale

In questo esempio, il modulo "casuale" della libreria numpy può generare un numero casuale.

Come menzionato sopra, in primo luogo, dobbiamo applicare la libreria numpy. L'utente vuole trovare il numero casuale per il quale prenderemo "y" come variabile per archiviare il numero in esso. Abbiamo utilizzato il metodo Randint (). Il casuale.La funzione Randint () viene utilizzata per trovare il numero casuale con un parametro "200" e quindi stampare il valore di "y".

Numero galleggiante casuale

Il metodo rand () del modulo "casuale" può fornire un valore fluttuante casuale tra 0 e 1.

Dobbiamo aggiungere la libreria "numpy" nella prima riga. L'utente desidera trovare il numero di galleggiante tra 0 e 1. Quindi prenderemo una "s" variabile per archiviare il valore. Utilizziamo anche una funzione casuale.rand (), che non ha un parametro. Questa funzione darebbe un valore fluttuante tra 0 e 1. E poi, stamperà il valore di "S".

Array casuale

Lavoreremo con gli array negli esempi successivi. Quindi utilizzeremo metodi per generare array casuali.

• Numeri interi

Il metodo Randint () genera numeri interi casuali in cui passeremo qualsiasi numero come parametro.

Useremo la biblioteca numpy. Ora l'utente vuole trovare l'array casuale. Conterrebbe 4 valori casuali da 0 a 100, con un array 1-D. "A" è una variabile che viene utilizzata per archiviare un array. Il casuale.La funzione Randint () viene applicata per trovare numeri interi con un parametro di dimensione 4. La dimensione indica il numero di colonne nell'array. Il metodo Randint () richiederà una dimensione che ti darà la forma dell'array e quindi stampa il valore della variabile "A".

• Per un array 2-D

Qui genereremo un array 2-D in cui avremo righe e colonne diverse.

Intenderemmo moduli casuali dalla libreria numpy. Qui l'utente prenderà una "z" variabile per archiviare un valore dell'array. Il casuale.La funzione Randint () contiene un parametro in cui abbiamo 4 righe e ogni riga contiene 2 numeri interi casuali da 0 a 100. Per stampare il valore, utilizzare la funzione print ().

• Valore galleggiante

In questo caso, genereremo un valore mobile.

Includiamo una libreria di numpy per eseguire il codice ed eliminare una "y" variabile per archiviare il valore. Il casuale.la funzione rand () ha il parametro 2, il che significa che ha 2 righe. Alla fine, stamperà il valore di "y".

Distribuzione casuale numpy

In questo caso, possiamo generare un array 1-D che può contenere 100 valori.

Come menzionato in precedenza, incorporeremo il modulo casuale dalla libreria Numpy. Inoltre, applichiamo il metodo Choice () del modulo casuale. I valori indicati come parametro alla scelta della funzione () sono 11, 13, 17 e 9. La probabilità per il valore 11 è 0.1. La probabilità per il valore 13 è 0.3. La probabilità per il valore 17 è 0.6. La probabilità per il valore 9 è 0.0. La dimensione della funzione () è anche chiamata. Quindi mostreremo il valore di "y".

Array numpy

Per un array numpy, utilizziamo una funzione di NP.array () per stampare l'array.

Innanzitutto, aggiungeremo la biblioteca Numpy. Inoltre, chiamiamo il NP.Metodo array (). Questa funzione include il parametro con la dimensione di tre numeri. L '"arry" è dichiarato una variabile per salvare gli elementi. Successivamente, il metodo Print () viene impiegato per mostrare i valori.

Distribuzione normale Numpy

Per una distribuzione normale Numpy, applicheremo una funzione di casuale.normale().

Dobbiamo importare un modulo casuale dal file di intestazione numpy. Quindi dichiariamo la variabile "y". Successivamente, invochiamo il casuale.metodo normale () e ha argomenti. I parametri della funzione mostrano che abbiamo 2 righe e 4 colonne, e quindi rappresenterà il valore di "y" con l'aiuto della stampa ().

Conclusione

In questo articolo, abbiamo esaminato diversi metodi di utilizzo del metodo Numpy Random Normal. Abbiamo anche creato un array bidimensionale dalla distribuzione normale. In questa guida, abbiamo discusso della sintassi e della libreria del metodo normali casuali numpy e di come generiamo numeri casuali, galleggianti casuali e array casuali. Abbiamo anche osservato i metodi per trovare gli array con numeri interi diversi e valori dei punti galleggianti. Abbiamo anche creato array 1-D e 2-D contenenti numeri interi casuali usando il metodo Numpy Random Normal.