Geradores de números aleatórios scipy

Quando você escreve código no idioma Python, você costuma encontrar várias bibliotecas. Essas bibliotecas python tornam a vida dos desenvolvedores mais fácil e simples. Usando essas bibliotecas, os desenvolvedores podem gerenciar facilmente problemas práticos complexos e otimizar longas filas de código com uma função. Scipy é uma daquelas bibliotecas incríveis de Python que ajudam os desenvolvedores com problemas estatísticos e científicos. Neste artigo, discutiremos a função do gerador de números aleatórios da biblioteca cipy. Como o Scipy é uma das bibliotecas Python mais usadas para problemas científicos e matemáticos, discutiremos sua função de gerador de números aleatórios em detalhes aqui.

O que é um número aleatório?

Um número aleatório é produzido aleatoriamente e não através de previsão lógica. É como escolher qualquer número de uma série sem fazer lógica. O número pode ser repetido, pois o número aleatório não significa um número único. Os geradores de números aleatórios no programa Python seguem a mesma lógica para gerar um número aleatório. A função pode escolher qualquer número de uma série específica sem fazer lógica e o número pode ser repetido várias vezes. É como um jogo de Ludo, onde você rola dados e espera qualquer número entre 1 e 6, à medida que avançamos, obtemos o mesmo número muitas vezes.

Geração de números aleatórios com biblioteca scipy

Biblioteca Scipy em Programação Python oferece uma interface exclusiva para uma variedade de geradores de números aleatórios não uniformes universais. O objeto Randint da Biblioteca Scipy herda a coleção de métodos genéricos da biblioteca e executa várias funções de distribuição aleatória. Aqui, explicaremos como você pode realizar distribuição aleatória com o método do gerador de números aleatórios ccepy.

Exemplo 1:

Vamos explorar o primeiro exemplo e aprender a usar o gerador de números aleatórios da biblioteca scipy em nosso programa. No trecho de código abaixo, você pode encontrar as poucas linhas de código que plotarão um gráfico e mostrarão a aleatoriedade na distribuição.

importar numpy como np
de Scipy.estatísticas importam Randint
importar matplotlib.pyplot como plt
F, G = PLT.subparcelas (1, 1)
Iniciar, fim = 6, 20
x = np.Arange (Randint.ppf (0, start, fim),
Randint.ppf (1, start, fim))
g.enredo (x, randint.pmf (x, start, fim), 'bo', ms = 10)
g.vlines (x, 0, randint.pmf (x, start, fim))
RV = Randint (Start, End)
g.vlines (x, 0, RV.pmf (x))
plt.mostrar()

O programa começou com a importação da biblioteca Numpy como NP. Depois disso, o círculo.O pacote de estatísticas está incluído no programa para importar a função Randint. Para plotar o gráfico, o matplotlib.O pacote Pyplot está incluído como PLT no programa. Agora que temos todas as bibliotecas essenciais para usar, vamos demonstrar o gerador de números aleatórios círculos, então podemos começar a escrever o programa principal.

Duas variáveis ​​iniciam e final são declaradas para definir os pontos de partida e final da faixa de gerador de números aleatórios. Depois de termos isso, podemos mapear os números aleatórios no eixo x e no eixo y. Para o eixo x, declaramos NP.Arange (Randint.ppf (0, start, fim), Randint.ppf (1, start, fim)). Agora, este X é passado para a função plot () para desenhar o gráfico. Para desenhar as linhas do resultado do gerador de números aleatórios, usamos G.vlines (x, 0, randint.pmf (x, start, fim)). Para geração de valor aleatório, usamos RV = Randint (Start, End). O intervalo de início e final é apresentado no início, 6 e 20, portanto o número será gerado entre 6 e 20.

Se você percebeu que usamos os métodos PMF e PPF, você deve estar se perguntando agora o que são. A função Randint funciona com vários métodos, eu.e., PMF, RVS, LOGSF, PPF, entropia, média, intervalo, mediana, std, espera, etc. Neste programa, estamos usando os métodos PPF e PMF para demonstrar a função Randint da Biblioteca Scipy. O PPF significa função de porcentagem de ponto e é usado para encontrar os percentis. O PMF significa função de massa de probabilidade e é usado para calcular as probabilidades.

Agora, veja a saída abaixo para entender as linhas de código fornecidas acima. Quando você vê o resultado, você pode interpretar facilmente cada linha de código no gráfico. Veja o resultado fornecido na captura de tela abaixo:

Exemplo 2:

Como já sabemos que muitos métodos podem ser usados ​​com a função Randint, vamos explorar mais um deles. Anteriormente, usamos o método PMF com PPF, neste exemplo, demonstraremos o funcionamento do CDF com o método PPF.

importar numpy como np
de Scipy.estatísticas importam Randint
importar matplotlib.pyplot como plt
F, G = PLT.subparcelas (1, 1)
Iniciar, fim = 6, 20
x = np.Arange (Randint.ppf (0, start, fim),
Randint.ppf (1, start, fim))
g.enredo (x, randint.CDF (x, start, fim), 'bo', ms = 10)
g.vlines (x, 0, randint.CDF (x, start, fim))
RV = Randint (Start, End)
g.vlines (x, 0, RV.CDF (x))
plt.mostrar()

O código, como você pode observar, é semelhante ao que empregamos no exemplo anterior. Os dados, o ponto de partida e o ponto final, o alcance, os métodos de plotagem, tudo é o mesmo. Acabamos de substituir a função PMF pelo método CDF. Isso tem sido usado para mostrar o funcionamento dos diferentes métodos. O CDF significa função de distribuição cumulativa e é usada para calcular a distribuição cumulativa. Os dados não foram alterados para que você possa ver a diferença no resultado dos métodos PMF e CDF. Veja a saída do método CDF de Randint abaixo:

Exemplo 3:

Outro método que pode ser usado com Randint é Logpmf. Então, neste programa, demonstraremos o funcionamento do LOGPMF. O restante do programa é o mesmo, a única modificação é que a função CDF é substituída por logpmf.

importar numpy como np
de Scipy.estatísticas importam Randint
importar matplotlib.pyplot como plt
F, G = PLT.subparcelas (1, 1)
Iniciar, fim = 6, 20
x = np.Arange (Randint.ppf (0, start, fim),
Randint.ppf (1, start, fim))
g.enredo (x, randint.logpmf (x, start, fim), 'bo', ms = 10)
g.vlines (x, 0, randint.logpmf (x, start, fim))
RV = Randint (Start, End)
g.vlines (x, 0, RV.logpmf (x))
plt.mostrar()

O logpmf significa o registro da função de massa de probabilidade. É semelhante à função PMF, mas pega o log do PMF. Explicamos a função PMF no primeiro exemplo, para que você possa comparar a saída de ambos os programas para ver a diferença. Veja a saída na captura de tela abaixo:

Conclusão

Este artigo foi projetado para discutir o gerador de números aleatórios ccepy. Aprendemos que a biblioteca scipy possui um pacote de estatísticas que fornece a função Randint que pode ser usada com vários métodos LIKF PPF, PMF, CDF, média, logpmf, mediana, etc. Exploramos alguns exemplos simples e úteis para aprender a realizar geração de números aleatórios usando a biblioteca Scipy de Python. Esses exemplos simples são muito úteis para entender como a função Randint funciona para geração de números aleatórios.