กวดวิชาNumPy

NumPy HOME แนะนำ NumPy NumPy เริ่มต้นใช้งาน NumPy การสร้างอาร์เรย์ การจัดทำดัชนี NumPy Array NumPy Array Slicing ประเภทข้อมูล NumPy NumPy Copy เทียบกับ View NumPy Array Shape การปรับรูปร่าง NumPy Array NumPy Array Iterating NumPy Array เข้าร่วม NumPy Array Split ค้นหาอาร์เรย์ NumPy NumPy Array Sort ตัวกรองอาร์เรย์ NumPy

NumPyสุ่ม

สุ่มอินโทร การกระจายข้อมูล การเรียงสับเปลี่ยนแบบสุ่ม โมดูล Seaborn การกระจายแบบปกติ การกระจายทวินาม จำหน่ายปลา กระจายสม่ำเสมอ การกระจายโลจิสติกส์ การกระจายพหุนาม การกระจายแบบเอกซ์โพเนนเชียล จิสแควร์ ดิสทริบิวชั่น การกระจาย Rayleigh พาเรโต้ ดิสทริบิวชั่น การกระจาย Zipf

NumPy ufunc

ufunc Intro ufunc สร้างฟังก์ชัน ufunc เลขคณิตอย่างง่าย ufunc การปัดเศษทศนิยม ufunc บันทึก ufunc ผลรวม ufunc ผลิตภัณฑ์ ufunc ความแตกต่าง ufunc ค้นหา LCM ufunc กำลังหา GCD ufunc ตรีโกณมิติ ufunc ไฮเปอร์โบลิก ufunc Set Operations

แบบทดสอบ/แบบฝึกหัด

แบบทดสอบ NumPy แบบฝึกหัด NumPy

การกระจายข้อมูลแบบสุ่ม


การกระจายข้อมูลคืออะไร?

การกระจายข้อมูลเป็นรายการของค่าที่เป็นไปได้ทั้งหมด และความถี่ที่แต่ละค่าเกิดขึ้น

รายการดังกล่าวมีความสำคัญเมื่อทำงานกับสถิติและวิทยาศาสตร์ข้อมูล

วิธีการเสนอโมดูลแบบสุ่มที่ส่งคืนการกระจายข้อมูลที่สร้างแบบสุ่ม


สุ่มแจก

การแจกแจงแบบสุ่มคือชุดของตัวเลขสุ่มที่เป็นไปตามฟังก์ชันความหนาแน่นของความน่าจะเป็น

ฟังก์ชันความหนาแน่นของความน่าจะเป็น: ฟังก์ชันที่อธิบายความน่าจะเป็นแบบต่อเนื่อง คือ ความน่าจะเป็นของค่าทั้งหมดในอาร์เรย์

เราสามารถสร้างตัวเลขสุ่มตามความน่าจะเป็นที่กำหนดโดยใช้ choice()วิธีการของ randomโมดูล

วิธีchoice()นี้ช่วยให้เราระบุความน่าจะเป็นของแต่ละค่าได้

ความน่าจะเป็นถูกกำหนดโดยตัวเลขระหว่าง 0 ถึง 1 โดยที่ 0 หมายความว่าค่าจะไม่เกิดขึ้น และ 1 หมายความว่าค่านั้นจะเกิดขึ้นเสมอ

ตัวอย่าง

สร้างอาร์เรย์ 1 มิติที่มี 100 ค่า โดยแต่ละค่าต้องเป็น 3, 5, 7 หรือ 9

ความน่าจะเป็นสำหรับค่าที่จะเป็น 3 ถูกกำหนดเป็น0.1

ความน่าจะเป็นสำหรับค่าที่จะเป็น 5 ถูกกำหนดเป็น0.3

ความน่าจะเป็นสำหรับค่าที่จะเป็น 7 ถูกกำหนดเป็น 0.6

ความน่าจะเป็นสำหรับค่าที่จะเป็น 9 ถูกกำหนดเป็น0

from numpy import random

x = random.choice([3, 5, 7, 9], p=[0.1, 0.3, 0.6, 0.0], size=(100))

print(x)

ผลรวมของตัวเลขความน่าจะเป็นทั้งหมดควรเป็น 1

แม้ว่าคุณจะเรียกใช้ตัวอย่างที่สูงกว่า 100 ครั้ง ค่า 9 จะไม่เกิดขึ้น

คุณสามารถส่งคืนอาร์เรย์ที่มีรูปร่างและขนาดใดก็ได้โดยระบุรูปร่างใน sizeพารามิเตอร์

ตัวอย่าง

ตัวอย่างเดียวกับด้านบน แต่ส่งคืนอาร์เรย์ 2 มิติที่มี 3 แถว โดยแต่ละรายการมีค่า 5 ค่า

from numpy import random

x = random.choice([3, 5, 7, 9], p=[0.1, 0.3, 0.6, 0.0], size=(3, 5))

print(x)