हल: खस्ता यादृच्छिक प्रविष्टियाँ दोहराई नहीं जातीं

डेटा हेरफेर और विश्लेषण की आज की दुनिया में, एक आम समस्या उत्पन्न होती है जो व्यापक रूप से लोकप्रिय पायथन लाइब्रेरी NumPy का उपयोग करके गैर-दोहराए जाने वाली यादृच्छिक प्रविष्टियां उत्पन्न कर रही है। इस लेख का उद्देश्य इस समस्या का एक व्यापक समाधान प्रदान करना है, कोड के आंतरिक कामकाज में गहराई से तल्लीन करना और प्रासंगिक पुस्तकालयों और कार्यों की खोज करना।

NumPy एक शक्तिशाली पुस्तकालय है जो हमें बड़े बहु-आयामी सरणियों और आव्यूहों पर विभिन्न गणितीय और सांख्यिकीय संचालन करने में सक्षम बनाता है। डेटा विश्लेषण और मशीन लर्निंग के महत्वपूर्ण पहलुओं में से एक यादृच्छिक संख्या उत्पन्न कर रहा है, जिसे NumPy के यादृच्छिक मॉड्यूल का उपयोग करके प्राप्त किया जा सकता है। कुछ मामलों में, हमें इन यादृच्छिक प्रविष्टियों को अद्वितीय और गैर-दोहरावदार होने की आवश्यकता हो सकती है। आइए जानें कि कैसे NumPy का उपयोग करके इसे चरण दर चरण प्राप्त किया जा सकता है।

सबसे पहले, आवश्यक लाइब्रेरी को आयात करते हैं और NumPy का उपयोग करके गैर-दोहराए जाने वाली यादृच्छिक प्रविष्टियाँ उत्पन्न करने के लिए समाधान पर चर्चा करते हैं।

import numpy as np

अद्वितीय यादृच्छिक संख्या उत्पन्न करना

गैर-दोहराव वाली यादृच्छिक प्रविष्टियां उत्पन्न करने का समाधान समझने में निहित है सुन्न.यादृच्छिक मॉड्यूल और इसके तरीकों का कुशलता से उपयोग करना। विशेष रूप से, numpy.random.choice () इस परिदृश्य में फ़ंक्शन अत्यंत उपयोगी साबित होता है, क्योंकि यह दोहराव को रोकने के विकल्प के साथ दिए गए 1-डी सरणी से यादृच्छिक नमूने उत्पन्न कर सकता है।

आइए कोड को तोड़ते हैं और समझते हैं कि अद्वितीय यादृच्छिक संख्या कैसे उत्पन्न करें।

def unique_random_numbers(size, lower_limit, upper_limit):
    unique_numbers = np.random.choice(np.arange(lower_limit, upper_limit), size, replace=False)
    return unique_numbers

size = 10
lower_limit = 1
upper_limit = 101

unique_numbers = unique_random_numbers(size, lower_limit, upper_limit)
print(unique_numbers)

• RSI अद्वितीय_यादृच्छिक_संख्या () फ़ंक्शन तीन पैरामीटर लेता है: सरणी का वांछित आकार, निचली सीमा और यादृच्छिक संख्या के लिए ऊपरी सीमा। इस उदाहरण में, हमारा लक्ष्य 10 और 1 के बीच 100 अद्वितीय यादृच्छिक संख्याएँ उत्पन्न करना है।
• फ़ंक्शन के अंदर, हम उपयोग करते हैं numpy.random.choice () द्वारा बनाई गई श्रेणी से तत्वों का बेतरतीब ढंग से चयन करने की विधि numpy.arange () समारोह। प्रतिस्थापन = गलत तर्क सरणी के भीतर गैर-दोहराए गए प्रविष्टियों को सुनिश्चित करता है।
• फ़ंक्शन को परिभाषित करने के बाद, हम इसे निर्दिष्ट मानों के साथ कहते हैं और गैर-दोहराए जाने वाले यादृच्छिक संख्याओं के परिणामी सरणी को प्रिंट करते हैं।

numpy.random और numpy.arange को समझना

RSI सुन्न.यादृच्छिक मॉड्यूल यादृच्छिक संख्या और नमूने उत्पन्न करने के लिए एक शक्तिशाली उपकरण है। इस मॉड्यूल में आमतौर पर उपयोग किए जाने वाले कुछ कार्यों में शामिल हैं numpy.random.rand (), numpy.random.randn (), तथा numpy.random.randint (). हालाँकि, जैसा कि पहले उल्लेख किया गया है, इस समस्या के लिए हमें जिस कार्य की आवश्यकता है वह है numpy.random.choice ().

numpy.arange () NumPy लाइब्रेरी के भीतर ही एक फ़ंक्शन है और इसका उपयोग निर्दिष्ट सीमा के भीतर मानों के समान दूरी वाले अनुक्रम को वापस करने के लिए किया जाता है। यह तीन मापदंडों को स्वीकार करता है: स्टार्ट वैल्यू, स्टॉप वैल्यू और स्टेप साइज। डिफ़ॉल्ट रूप से, चरण का आकार 1 है।

अद्वितीय यादृच्छिक प्रविष्टियाँ उत्पन्न करने का अनुप्रयोग

अद्वितीय यादृच्छिक प्रविष्टियाँ उत्पन्न करने के कई वास्तविक-विश्व परिदृश्यों में इसके व्यावहारिक उपयोग हैं, जैसे:

• फेरबदल डेटा: अक्सर मशीन लर्निंग में उपयोग किया जाता है, डेटा फेरबदल डेटा बिंदुओं के क्रम को यादृच्छिक बनाने, पक्षपात को कम करने और मॉडल के प्रदर्शन को बढ़ाने में मदद करता है।
• प्रतिस्थापन के बिना नमूनाकरण: आँकड़ों में, गैर-दोहराए गए यादृच्छिक नमूने का उपयोग यह सुनिश्चित करने के लिए किया जा सकता है कि एक बड़ी आबादी से प्रतिनिधि नमूना लिया जाए।
• यादृच्छिक कार्य बनाना: बिना दोहराव के समूह के बीच कार्यों या संसाधनों का वितरण अद्वितीय यादृच्छिक संख्याओं के उपयोग के माध्यम से प्राप्त किया जा सकता है।

अंत में, NumPy का उपयोग करके गैर-दोहराए जाने वाली यादृच्छिक प्रविष्टियाँ उत्पन्न करना numpy.random.choice () विधि का उपयोग करके सरल और कुशल है। numpy.random और numpy.arange फ़ंक्शंस को समझना, और उनका अनुप्रयोग डेटा विश्लेषण, मशीन लर्निंग और उससे आगे के व्यावहारिक उपयोग के मामलों की एक सरणी से निपटने में हमें सशक्त बनाता है।