Python Random Uniform Numpy.Casuale.Uniforme

Guarderemo il metodo uniforme casuale numpy in questo articolo. Esamineremo anche la sintassi e i parametri per ottenere una migliore conoscenza dell'argomento. Quindi, usando alcuni esempi, vedremo come viene messa in pratica tutta la teoria. Numpy è un pacchetto Python molto grande e potente, come tutti sappiamo.

Ha molte funzioni, tra cui Numpy Random Uniform (), che è una di queste. Questa funzione ci aiuta a ottenere campioni casuali da una distribuzione di dati uniforme. Successivamente, i campioni casuali vengono restituiti come un array numpy. Comprenderemo meglio questa funzione mentre procediamo attraverso questo articolo. Guarderemo la sintassi che lo accompagna dopo.

Sintassi Numpy Random Uniform ()

La sintassi del metodo Numpy Random Uniform () è elencata di seguito.

# numpy.casuale.uniforme (basso = 0.0, alto = 1.0)

Per una migliore comprensione, esaminiamo ciascuno dei suoi parametri uno per uno. Ogni parametro influisce su come funziona la funzione in qualche modo.

Misurare

Determina quanti elementi vengono aggiunti all'array di output. Di conseguenza, se la dimensione è impostata su 3, l'array numpy di output avrà tre elementi. L'output avrà quattro elementi se la dimensione è impostata su 4.

Una tupla di valori può anche essere utilizzata per fornire la dimensione. La funzione costruirà un array multidimensionale in questo scenario. np.casuale.L'uniforme costruirà un array numpy con una riga e due colonne se size = (1,2).

L'argomento dimensionale è facoltativo. Se il parametro di dimensioni viene lasciato vuoto, la funzione restituirà un singolo valore tra basso e alto.

Basso

Il parametro basso stabilisce un limite inferiore sull'intervallo di possibili valori di output. Tieni presente che il basso è uno dei possibili output. Di conseguenza, se si imposta a basso = 0, il valore di output forse 0. È un parametro opzionale. Sarà predefinito su 0 se a questo parametro non viene dato alcun valore.

Alto

Il limite superiore dei valori di output consentiti è specificato dal parametro elevato. Vale la pena ricordare che il valore dell'alto parametro non viene preso in considerazione. Di conseguenza, se si imposta il valore di alto = 1, potrebbe non essere possibile ottenere il valore esatto 1.

Inoltre, si noti che il parametro elevato richiede l'uso di un argomento. Detto questo, non devi usare direttamente il nome del parametro. Per dirla diversamente, puoi usare la posizione di questo parametro per trasmetterci un argomento.

Esempio 1:

Innanzitutto, faremo un array numpy con quattro valori dall'intervallo [0,1]. Il parametro di dimensioni è assegnato alla dimensione = 4 in questo caso. Di conseguenza, la funzione restituisce un array numpy contenente quattro valori.

Abbiamo anche impostato i valori bassi e alti su 0 e 1, rispettivamente. Questi parametri definiscono l'intervallo di valori che possono essere utilizzati. L'output è costituito da quattro cifre che vanno da 0 a 1.

Importa Numpy come NP
np.casuale.Seme (30)
Stampa (NP.casuale.uniforme (dimensione = 4, basso = 0, alto = 1))

Di seguito è riportato la schermata di output in cui è possibile vedere che vengono generati i quattro valori.

Esempio 2:

Faremo un array bidimensionale di numeri equamente distribuiti qui. Funziona allo stesso modo di cui abbiamo discusso nel primo esempio. La distinzione chiave è l'argomento del parametro delle dimensioni. Useremo le dimensioni = in questo caso (3,4).

Importa Numpy come NP
np.casuale.Seme (1)
Stampa (NP.casuale.uniforme (dimensione = (3,4), basso = 0, alto = 1))

Come puoi vedere nello screenshot allegato, il risultato è un array numpy con tre righe e quattro colonne. Perché l'argomento delle dimensioni è stato impostato su dimensioni = (3,4). Nel nostro caso viene creato un array con tre righe e quattro colonne. I valori dell'array sono tutti tra 0 e 1 perché impostiamo basso = 0 e alto = 1.

Esempio 3:

Faremo una serie di valori costantemente presi da un determinato intervallo. Faremo un array numpy con due valori qui. I valori, tuttavia, saranno scelti dall'intervallo [40, 50]. I parametri bassi e anche alti possono essere utilizzati per definire i punti (bassi e alti) dell'intervallo. Il parametro dimensione è stato impostato su dimensioni = 2 in questo caso.

Importa Numpy come NP
np.casuale.Seme (0)
Stampa (NP.casuale.uniforme (dimensione = 2, basso = 40, alto = 50))

Di conseguenza, l'output ha due valori. Abbiamo anche impostato i valori bassi e alti su 40 e 50, rispettivamente. Di conseguenza, tutti i valori sono negli anni '50 e '60, come puoi vedere di seguito.

Esempio 4:

Ora diamo un'occhiata a un esempio più complesso che ci aiuterà a una migliore comprensione. Un altro esempio del numpy.casuale.La funzione uniforme () è disponibile di seguito. Abbiamo disegnato il grafico invece di semplicemente calcolare il valore come abbiamo fatto negli esempi precedenti.

Abbiamo utilizzato Matplotlib, un altro grande pacchetto Python, per farlo. La biblioteca numpy è stata importata per la prima volta, seguita da Matplotlib. Quindi abbiamo utilizzato la sintassi della nostra funzione per ottenere il risultato che volevamo. In seguito, viene utilizzata la libreria Matplot. Utilizzando i dati della nostra funzione consolidata, potremmo generare o stampare un istogramma.

Importa Numpy come NP
Importa matplotlib.Pyplot come Plt
Plot_p = np.casuale.uniforme (-1, 1, 500)
Plt.HIST (Plot_P, bins = 50, densità = true)
Plt.spettacolo()

Qui puoi vedere il grafico anziché i valori.

Conclusione:

Abbiamo superato il metodo Numpy Random Uniform () in questo articolo. A parte questo, abbiamo esaminato la sintassi e i parametri. Abbiamo anche fornito diversi esempi per aiutarti a comprendere meglio l'argomento. Per ogni esempio, abbiamo modificato la sintassi ed esaminato l'output. Infine, potremmo dire che questa funzione ci aiuta generando campioni da una distribuzione uniforme.