Python Random Random Uniform Numpy.Aleatório.Uniforme

Veremos o método uniforme aleatório Numpy neste artigo. Também examinaremos a sintaxe e os parâmetros para obter um melhor conhecimento do tópico. Então, usando alguns exemplos, veremos como toda a teoria é colocada em prática. Numpy é um pacote Python muito grande e poderoso, como todos sabemos.

Tem muitas funções, incluindo o uniforme aleatório Numpy (), que é um deles. Esta função nos ajuda a obter amostras aleatórias de uma distribuição uniforme de dados. Depois disso, as amostras aleatórias são devolvidas como uma matriz Numpy. Vamos entender melhor essa função à medida que prosseguimos por meio deste artigo. Veremos a sintaxe que acompanha a seguinte.

Sintaxe Random Random () Numpy ()

A sintaxe do Método Random () Numpy Random () está listado abaixo.

# Numpy.aleatório.uniforme (baixo = 0.0, alto = 1.0)

Para uma melhor compreensão, vamos analisar cada um de seus parâmetros um por um. Cada parâmetro afeta como a função funciona de alguma forma.

Tamanho

Ele determina quantos elementos são adicionados à matriz de saída. Como resultado, se o tamanho for definido como 3, a matriz numpy de saída terá três elementos. A saída terá quatro elementos se o tamanho for definido como 4.

Uma tupla de valores também pode ser usada para fornecer o tamanho. A função criará uma matriz multidimensional neste cenário. NP.aleatório.uniforme construirá uma matriz numpy com uma linha e duas colunas se tamanho = (1,2) for especificado.

O argumento de tamanho é opcional. Se o parâmetro de tamanho for deixado em branco, a função retornará um único valor entre baixo e alto.

Baixo

O parâmetro baixo estabelece um limite inferior ao intervalo de possíveis valores de saída. Lembre -se de que baixo é uma das saídas possíveis. Como resultado, se você definir baixo = 0, o valor de saída talvez 0. É um parâmetro opcional. Ele padrão é 0 se este parâmetro não receber nenhum valor.

Alto

O limite superior dos valores de saída permitido é especificado pelo alto parâmetro. Vale a pena mencionar que o valor do alto parâmetro não é levado em consideração. Resultantemente, se você definir o valor de alto = 1, pode não ser possível para você alcançar o valor exato 1.

Além disso, observe que o alto parâmetro exige o uso de um argumento. Dito isto, você não precisa usar o nome do parâmetro diretamente. Para dizer diferente, você pode usar a posição desse parâmetro para passar um argumento a ele.

Exemplo 1:

Primeiro, faremos uma matriz Numpy com quatro valores do intervalo [0,1]. O parâmetro de tamanho é atribuído ao tamanho = 4 neste caso. Como conseqüência, a função retorna uma matriz Numpy contendo quatro valores.

Também definimos os valores baixos e altos para 0 e 1, respectivamente. Esses parâmetros definem o intervalo de valores que podem ser usados. A saída consiste em quatro dígitos que variam de 0 a 1.

importar numpy como np
NP.aleatório.semente (30)
Imprimir (NP.aleatório.uniforme (tamanho = 4, baixo = 0, alto = 1))

Abaixo está a tela de saída na qual você pode ver que os quatro valores são gerados.

Exemplo 2:

Faremos uma variedade bidimensional de números igualmente distribuídos aqui. Isso funciona da mesma maneira que discutimos no primeiro exemplo. A distinção chave é o argumento do parâmetro de tamanho. Usaremos tamanho = neste caso (3,4).

importar numpy como np
NP.aleatório.semente (1)
Imprimir (NP.aleatório.uniforme (tamanho = (3,4), baixo = 0, alto = 1))

Como você pode ver na captura de tela em anexo, o resultado é uma matriz Numpy com três linhas e quatro colunas. Porque o argumento de tamanho foi definido como tamanho = (3,4). Uma matriz com três linhas e quatro colunas é criada em nosso caso. Os valores da matriz estão entre 0 e 1 porque definimos baixa = 0 e alta = 1.

Exemplo 3:

Faremos uma variedade de valores consistentemente retirados de um determinado intervalo. Faremos uma matriz Numpy com dois valores aqui. Os valores, no entanto, serão escolhidos do intervalo [40, 50]. Os parâmetros baixos e também altos podem ser usados ​​para definir os pontos (baixo e alto) da faixa. O parâmetro de tamanho foi definido como tamanho = 2 neste caso.

importar numpy como np
NP.aleatório.semente (0)
Imprimir (NP.aleatório.uniforme (tamanho = 2, baixo = 40, alto = 50)))

Como resultado, a saída tem dois valores. Também definimos os valores baixos e altos para 40 e 50, respectivamente. Como resultado, todos os valores estão nos anos 50 e 60, como você pode ver abaixo.

Exemplo 4:

Agora, vejamos um exemplo mais complexo que nos ajudará em melhor compreensão. Outro exemplo do Numpy.aleatório.A função uniforme () pode ser encontrada abaixo. Desenhamos o gráfico em vez de apenas calcular o valor como fizemos nos exemplos anteriores.

Utilizamos Matplotlib, outro ótimo pacote Python, para fazer isso. A biblioteca Numpy foi importada pela primeira vez, seguida por Matplotlib. Em seguida, utilizamos a sintaxe de nossa função para obter o resultado que queríamos. Depois disso, a biblioteca Matplot é usada. Usando os dados de nossa função estabelecida, poderíamos gerar ou imprimir um histograma.

importar numpy como np
importar matplotlib.pyplot como plt
plot_p = np.aleatório.uniforme (-1, 1, 500)
plt.Hist (plot_p, caixas = 50, densidade = true)
plt.mostrar()

Aqui você pode ver o gráfico em vez dos valores.

Conclusão:

Passamos pelo método Numpy Random Uniform () neste artigo. Além disso, analisamos a sintaxe e os parâmetros. Também fornecemos exemplos diferentes para ajudá -lo a entender melhor o tópico. Para cada exemplo, alteramos a sintaxe e examinamos a saída. Finalmente, podemos dizer que essa função nos ajuda gerando amostras de uma distribuição uniforme.