Zufallszahlen mit NumPy erzeugen
Zufallszahlen werden für Simulationen, Tests, Stichproben und die Initialisierung von Modellen verwendet.
Was ist Zufallszahlen mit NumPy erzeugen?
Zufallszahlen werden für Simulationen, Tests, Stichproben und die Initialisierung von Modellen verwendet.
Erzeuge reproduzierbare Zufallsdaten mit einem Generator.
Wann wird dieser Ansatz verwendet?
- Vektorisierte Berechnungen auf vielen Werten ausführen.
- Arrays, Matrizen und wissenschaftliche Daten effizient verarbeiten.
- Daten für Data Science und Machine Learning vorbereiten.
Beispielcode
main.py
import numpy as np
generator = np.random.default_rng(seed=42)
values = generator.integers(low=1, high=11, size=5)
print(values)Erwartete Ausgabe
[1 8 7 5 5]So funktioniert es
default_rng erstellt einen modernen Generator. Ein fester Seed reproduziert dieselbe Folge und erleichtert Tests und Fehlersuche.
Ändere die Werte und führe das Programm im CodeUtility Python Online-Compiler aus, ohne Python lokal zu installieren.
Übungsaufgaben
Verändere Eingaben und Randfälle, bevor du die Lösung mit größeren Datenmengen testest.
- Verändere Shape und dtype des Eingabearrays.
- Teste negative Werte, Fließkommazahlen und fehlende Daten.
- Miss die Laufzeit mit einem größeren Array.