Модуль RandomArray
В этом модуле собраны функции для генерации массивов случайных чисел различных распределений и свойств. Их можно применять для математического моделирования.
Функция RandomArray.random() создает массивы из псевдослучайных чисел, равномерно распределенных в интервале (0, 1):
>>> import RandomArray
>>> print RandomArray.random(10) # массив из 10 псевдослучайных чисел
[ 0.28374212 0.19260929 0.07045474 0.30547682 0.10842083 0.14049676
0.01347435 0.37043894 0.47362471 0.37673479]
>>> print RandomArray.random([3,3]) # массив 3x3 из псевдослучайных чисел
[[ 0.53493741 0.44636754 0.20466961]
[ 0.8911635 0.03570878 0.00965272]
[ 0.78490953 0.20674807 0.23657821]]
Функция RandomArray.randint() для получения массива равномерно распределенных чисел из заданного интервала и заданной формы:
>>> print RandomArray.randint(1, 10, [10])
[8 1 9 9 7 5 2 5 3 2]
>>> print RandomArray.randint(1, 10, [10])
[2 2 5 5 7 7 3 4 3 7]
Можно получать и случайные перестановки с помощью RandomArray.permutation():
>>> print RandomArray.permutation(6)
[4 0 1 3 2 5]
>>> print RandomArray.permutation(6)
[1 2 0 3 5 4]
Доступны и другие распределения для получения массива нормально распределенных величин с заданным средним и стандартным отклонением:
>>> print RandomArray.normal(0, 1, 30)
[-1.0944078 1.24862444 0.20415567 -0.74283403 0.72461408 -0.57834256
0.30957144 0.8682853 1.10942173 -0.39661118 1.33383882 1.54818618
0.18814971 0.89728773 -0.86146659 0.0184834 -1.46222591 -0.78427434
1.09295738 -1.09731364 1.34913492 -0.75001568 -0.11239344 2.73692131
-0.19881676 -0.49245331 1.54091263 -1.81212211 0.46522358 -0.08338884]
Следующая таблица приводит функции для других распределений:
Функция и ее аргументы Описание F(dfn, dfd, shape=[]) F–распределение beta(a, b, shape=[]) Бета–распределение binomial(trials, p, shape=[]) Биномиальное распределение chi_square(df, shape=[]) Распределение хи–квадрат exponential(mean, shape=[]) Экспоненциальное распределение gamma(a, r, shape=[]) Гамма–распределение multivariate_normal(mean, cov, shape=[]) Многомерное нормальное распределение negative_binomial(trials, p, shape=[]) Негативное биномиальное noncentral_F(dfn, dfd, nconc, shape=[]) Нецентральное F–распределение noncentral_chi_square(df, nconc, shape=[]) Нецентральное хи–квадрат распределение normal(mean, std, shape=[]) Нормальное распределение permutation(n) Случайная перестановка poisson(mean, shape=[]) Пуассоновское распределение randint(min, max=None, shape=[]) Случайное целое random(shape=[]) Равномерное распределение на интервале (0, 1) random_integers(max, min=1, shape=[]) Случайное целое standard_normal(shape=[]) Стандартное нормальное распределение uniform(min, max, shape=[]) Равномерное распределениеБольше книг — больше знаний!
Заберите 30% скидку новым пользователям на все книги Литрес с нашим промокодом
ПОЛУЧИТЬ СКИДКУ