W dzisiejszym świecie manipulacji i analizy danych jednym z powszechnych problemów jest generowanie niepowtarzających się losowych wpisów przy użyciu bardzo popularnej biblioteki Pythona NumPy. Ten artykuł ma na celu zapewnienie kompleksowego rozwiązania tego problemu, zagłębiając się w wewnętrzne działanie kodu i eksplorując odpowiednie biblioteki i funkcje.
NumPy to potężna biblioteka, która umożliwia wykonywanie różnych operacji matematycznych i statystycznych na dużych wielowymiarowych tablicach i macierzach. Jednym z ważnych aspektów analizy danych i uczenia maszynowego jest generowanie liczb losowych, co można osiągnąć za pomocą modułu losowego NumPy. W niektórych przypadkach możemy potrzebować, aby te losowe wpisy były unikalne i niepowtarzalne. Przyjrzyjmy się krok po kroku, jak to osiągnąć za pomocą NumPy.
Najpierw zaimportujmy wymaganą bibliotekę i omówmy rozwiązanie do generowania niepowtarzalnych losowych wpisów za pomocą NumPy.
import numpy as np
Generowanie unikalnych liczb losowych
Rozwiązanie do generowania niepowtarzalnych losowych wpisów polega na zrozumieniu liczba.losowa modułu i efektywnego wykorzystania jego metod. W szczególności liczba.losowy.wybór() okazuje się niezwykle przydatna w tym scenariuszu, ponieważ może generować losowe próbki z danej tablicy 1-D z opcją zapobiegania powtórzeniom.
Rozłóżmy kod i dowiedzmy się, jak generować unikalne liczby losowe.
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)
- Połączenia unikalne_losowe_liczby() funkcja przyjmuje trzy parametry: żądany rozmiar tablicy, dolną granicę i górną granicę dla liczb losowych. W tym przykładzie naszym celem jest wygenerowanie 10 unikalnych liczb losowych z przedziału od 1 do 100.
- Wewnątrz funkcji używamy liczba.losowy.wybór() metoda losowego wybierania elementów z zakresu utworzonego przez numpy.arange() funkcjonować. Argument replace=False gwarantuje, że wpisy w tablicy nie będą powtarzane.
- Po zdefiniowaniu funkcji wywołujemy ją z podanymi wartościami i wypisujemy wynikową tablicę niepowtarzających się liczb losowych.
Zrozumienie numpy.random i numpy.arange
Połączenia liczba.losowa moduł jest potężnym narzędziem do generowania losowych liczb i próbek. Niektóre często używane funkcje w ramach tego modułu obejmują numpy.random.rand(), numpy.random.randn(), numpy.random.randint(). Jednak, jak wspomniano wcześniej, funkcja, której potrzebujemy do rozwiązania tego problemu, to liczba.losowy.wybór().
numpy.arange() jest funkcją w samej bibliotece NumPy i służy do zwracania równomiernie rozmieszczonej sekwencji wartości w określonym zakresie. Przyjmuje trzy parametry: wartość początkową, wartość końcową i wielkość kroku. Domyślnie rozmiar kroku wynosi 1.
Zastosowanie generowania unikalnych losowych wpisów
Generowanie unikalnych losowych wpisów ma praktyczne zastosowanie w wielu rzeczywistych scenariuszach, takich jak:
- Tasowanie danych: Tasowanie danych, często stosowane w uczeniu maszynowym, pomaga w losowaniu kolejności punktów danych, minimalizowaniu odchyleń i zwiększaniu wydajności modelu.
- Pobieranie próbek bez wymiany: W statystyce można zastosować jednorazowe losowe pobieranie próbek, aby zapewnić pobranie reprezentatywnej próby z większej populacji.
- Tworzenie losowych zadań: Dystrybucję zadań lub zasobów w grupie bez powtórzeń można osiągnąć za pomocą unikalnych liczb losowych.
Podsumowując, generowanie niepowtarzalnych losowych wpisów za pomocą NumPy jest proste i wydajne przy użyciu metody numpy.random.choice(). Zrozumienie funkcji numpy.random i numpy.arange oraz ich zastosowania umożliwia nam rozwiązywanie szeregu praktycznych przypadków użycia w analizie danych, uczeniu maszynowym i nie tylko.
