رضا کشاورزم. یک تحلیلگر داده که مغزش همیشه درحال تحلیل جهان پیرامونشه. از تحلیل داده و هوش مصنوعی می نویسم اینجا.
تولید اعداد رندوم با پایتون و numpy
تولید اعداد تصادفی با پایتون
به هردلیلی، گاهی لازمه که از اعداد تصادفی استفاده کنیم. سادهترین راه برای تولید یه عدد تصادفی توی پایتون استفاده از ماژول random هست که باهاش میشه اینجوری یه عدد رندوم تولید کرد:
import random
x = random.randint(0, 10)
که در اینجا متغیر x حاوی یک عدد رندوم بین صفر تا ده خواهد بود. ماژول رندوم تعداد دیگهای متد دیگه هم برای تولید اعداد تصادفی داره.
تولید اعداد تصادفی با numpy
کتابخانهی numpy که به امکان استفاده از آرایهها و ماتریس (ماتریکس)ّهای بزرگ رو فراهم میکنه، در خودش پکیجی داره برای تولید اعداد رندوم.
اول باید کتابخانهی نامپای رو بارگذاری(!) کنیم. عادت رایج بین برنامهنویسها و دانشمندان داده اینه که این نامپای رو با اسم مختصر np وارد برنامه کنن:
import numpy as np
حالا اینجا تعدادی از قابلیتهاش رو بررسی میکنیم.
تولید یک عدد رندوم بین صفر و یک:
np.random.rand()
اگر به این تابع یک عدد به عنوان ورودی بدیم، به ما یک آرایه به طول ورودی برمیگردونه که با اعداد رندوم بین صفر و یک پر شده:
np.random.rand(4)
خروجی به این صورته:
array([0.5488135 , 0.71518937, 0.60276338, 0.54488318])
متد بالا رو اگر با ۲ تا ورودی فراخوانی کنیم، حاصل یک ماتریس (آرایه دو بعدی) هست که با اعداد رندوم پر شده:
np.random.rand(2, 3)
که خروجیش میشه این:
array([[0.4236548 , 0.64589411, 0.43758721],
[0.891773 , 0.96366276, 0.38344152]])
برای تولید یه عدد رندوم صحیح در یک بازهی دلخواه، از تابع randint شه استفاده کرد:
np.random.randint(-4, 4)
حاصل این فراخوانی یه عدد رندوم در بازهی منفی چهار تا چهار میشه، شامل خود اعداد ابتدا و انتهای بازه.
برای انتخاب یک عدد رندوم از یک لیست میشه از متد زیر استفاده کرد:
np.random.choice([1, 10, 100, 1000, 10000])
اجرای کد بالا به ما یک عدد رندوم از بین اعداد لیست ورودی برمیگردونه. توجه کنید که ورودی باید یک لیست یا توپل(تاپل) باشه.
ادامه خواهد داشت... .
مطلبی دیگر از این انتشارات
ALM چیستی و چرایی !
مطلبی دیگر از این انتشارات
راهنمای کامل انتخاب شغل (مهندسی نرم افزار) ۲
مطلبی دیگر از این انتشارات
آموزش رسم انواع گراف در متلب