Numpy — мощная библиотека Python, предлагающая широкий спектр функций для научных вычислений. Одной из его ключевых особенностей является возможность генерировать случайные числа и массивы с использованием различных случайных функций. В этой статье мы рассмотрим полный список случайных функций numpy, а также примеры кода, демонстрирующие их использование.

1. numpy.random.rand:
   Функция numpy.random.rand генерирует массив случайных чисел, равномерно распределенных между 0 и 1.

import numpy as np
random_array = np.random.rand(5)
print(random_array)

2. numpy.random.randint:
   Функция numpy.random.randint генерирует случайные целые числа в указанном диапазоне.

import numpy as np
random_int = np.random.randint(1, 10)
print(random_int)

3. numpy.random.randn:
   Функция numpy.random.randn генерирует массив случайных чисел, соответствующих стандартному нормальному распределению (среднее значение = 0, стандартное отклонение = 1).

import numpy as np
random_array = np.random.randn(5)
print(random_array)

4. numpy.random.choice:
   Функция numpy.random.choice случайным образом выбирает элементы из массива.

import numpy as np
array = np.array([1, 2, 3, 4, 5])
random_choice = np.random.choice(array, size=3, replace=False)
print(random_choice)

5. numpy.random.shuffle:
   Функция numpy.random.shuffle перемешивает элементы массива случайным образом.

import numpy as np
array = np.array([1, 2, 3, 4, 5])
np.random.shuffle(array)
print(array)

6. numpy.random.seed:
   Функция numpy.random.seed устанавливает начальное значение для воспроизводимости случайных чисел.

import numpy as np
np.random.seed(42)
random_value = np.random.rand()
print(random_value)

7. numpy.random.random_sample:
   Функция numpy.random.random_sample генерирует случайные числа от 0 до 1.

import numpy as np
random_value = np.random.random_sample()
print(random_value)

Numpy предоставляет богатый набор случайных функций, которые можно использовать для различных целей, включая моделирование, статистический анализ и генерацию случайных данных для экспериментов. В этой статье мы рассмотрели несколько ключевых случайных функций numpy с примерами кода, иллюстрирующими их использование. Используя эти функции, вы можете улучшить свои проекты по обработке данных и получить ценную информацию от рандомизации.