Distribuição aleatória de dados NumPy
Neste artigo, exploraremos as funções de distribuição aleatória do NumPy e seu uso.
Um dos principais recursos do NumPy é sua capacidade de gerar distribuições de dados aleatórios, o que é útil para uma variedade de aplicações, como simulação e modelagem.
O que é distribuição de dados NumPy?
Distribuição aleatória NumPy é uma lista de todos os resultados prováveis, juntamente com a frequência de cada resultado.
Trabalhar com estatísticas e ciência de dados requer listas de dados.
O NumPy fornece várias ferramentas para gerar dados aleatórios que seguem diferentes distribuições de probabilidade.
Existem métodos no módulo random que fornecem distribuições de dados criadas aleatoriamente.
Distribuição aleatória NumPy
As distribuições aleatórias Numpy são coleções de números aleatórios que obedecem a uma função de densidade de probabilidade específica.
O módulo aleatório NumPy fornece uma variedade de funções para gerar números aleatórios de diferentes distribuições de probabilidade.
Essas funções podem ser usadas para gerar dados aleatórios para várias simulações estatísticas, modelos de aprendizado de máquina e outros aplicativos.
Aqui estão algumas das funções de distribuição aleatória NumPy comumente usadas :
| Funções | Visão geral |
| Distribuição uniforme | A distribuição uniforme gera números aleatórios que são distribuídos uniformemente dentro de um intervalo especificado. A função para gerar números aleatórios a partir de uma distribuição uniforme é numpy.random.uniform() .
A função recebe três argumentos – o limite inferior do intervalo, o limite superior do intervalo e o tamanho da matriz. |
| Distribuição normal | A distribuição normal, também conhecida como distribuição gaussiana, gera números aleatórios que seguem uma curva em forma de sino.
A função para gerar números aleatórios a partir de uma distribuição normal é numpy.random.normal() . A função recebe dois argumentos – a média e o desvio padrão da distribuição e o tamanho da matriz. |
| Distribuição de veneno | A distribuição de Poisson gera números aleatórios que representam o número de ocorrências de um evento em um intervalo fixo de tempo.
A função para gerar números aleatórios a partir de uma distribuição de Poisson é numpy.random.poisson() . A função recebe dois argumentos – o valor esperado da distribuição e o tamanho do array. |
| Distribuição Exponencial | A distribuição exponencial gera números aleatórios que representam o tempo entre dois eventos em um processo de Poisson.
A função para gerar números aleatórios de uma distribuição exponencial é numpy.random.exponential() . A função recebe dois argumentos – o parâmetro de escala, que é o inverso do parâmetro de taxa, e o tamanho da matriz. |
| Distribuição Gama | A distribuição gama gera números aleatórios que representam o tempo de espera até que um determinado número de eventos ocorra em um processo de Poisson.
A função para gerar números aleatórios a partir de uma distribuição gama é numpy.random.gamma() . A função recebe três argumentos – o parâmetro de forma, o parâmetro de escala e o tamanho da matriz. |
| Distribuição Beta | A distribuição beta gera números aleatórios que representam probabilidades ou proporções.
A função para gerar números aleatórios de uma distribuição beta é numpy.random.beta() . A função recebe dois argumentos – os parâmetros de forma alfa e beta e o tamanho da matriz. |
| Distribuição triangular | A distribuição triangular gera números aleatórios que são distribuídos dentro de um intervalo especificado e têm maior probabilidade de estar próximos do meio do intervalo.
A função para gerar números aleatórios a partir de uma distribuição triangular é numpy.random.triangular() . A função recebe três argumentos – o limite inferior do intervalo, o limite superior do intervalo e o modo da distribuição e o tamanho da matriz. |
| Distribuição binomial | A distribuição binomial gera números aleatórios que representam o número de sucessos em um número fixo de tentativas.
A função para gerar números aleatórios a partir de uma distribuição binomial é numpy.random.binomial() . A função recebe três argumentos – o número de tentativas, a probabilidade de sucesso em cada tentativa e o tamanho da matriz. |
Função densidade de probabilidade:
Função de probabilidade que representa uma distribuição contínua. Em outras palavras, a probabilidade de cada item em uma matriz.
Com o método choice() do módulo random , podemos produzir números aleatórios dependendo das probabilidades dadas .
Podemos determinar a probabilidade de cada item na distribuição aleatória Numpy chamando o método choice() .
A probabilidade é determinada por um número que varia de 0 a 1, onde 0 significa que o valor nunca aparecerá e 1 significa que sempre aparecerá.
Faça uma matriz 1-D com 65 itens com 4, 6, 8, 9, 10, 12, 14, 15 ou 16 valores cada:
Example:
Construa uma matriz fatorial 1-D que inclua 5 itens, cada um dos quais deve ser 1, 2, 6, 24, 120 ou 720:
Example:
Ao fornecer o parâmetro de tamanho, você pode gerar matrizes de diferentes formas e tamanhos.
Forneça uma matriz bidimensional com quatro linhas e três valores por linha:
Example:
Crie uma matriz de cubo bidimensional com oito linhas e dois itens cada:
