NumPy online ausführen

Zufallszahlen mit NumPy erzeugen

In dieser Lektion erzeugst du mit dem Zufallsgenerator Generator von NumPy reproduzierbare ganzzahlige Zufallszahlen.

  • Fortgeschritten
  • 2 Min. Lesezeit
  • 1 ausführbares Beispiel

Einführung

Das Problem

Simulationen, Spiele, Stichproben und Tests brauchen alle Zufallszahlen. Zum Testen und Lernen willst du außerdem bei jedem Lauf dieselben scheinbar zufälligen Zahlen, damit sich Ergebnisse prüfen und wiederholen lassen.

Stell es dir so vor

Ein Zufallsgenerator mit Seed ist wie eine Maschine, die einen 10-seitigen Würfel wirft und dabei von einer Startzahl ausgeht, die du einstellst. Stellst du dieselbe Startzahl (den Seed) ein, würfelt sie jedes Mal genau dieselbe Folge. Änderst du den Seed, ändert sich die Folge. Und wie bei jedem Würfel kann dieselbe Zahl zweimal kommen.

Von der Würfelmaschine zum Code
default_rng(seed=42)🎛️ Die Startzahl der Maschine auf 42 stellen
integers(low=1, high=11, size=5)🎲 Fünf Zahlen von 1 bis 10 würfeln
high=11🚫 Der Wert high selbst wird nie gewürfelt
values📋 [1 8 7 5 5], bei jedem Lauf gleich
Gleicher Seed, gleiche Folge.
In einem Satz

Ein Zufallszahlengenerator erzeugt Werte, die zufällig aussehen. Gibst du ihm einen Seed (Startwert), erzeugt er jedes Mal dieselbe Folge. So werden Ergebnisse wiederholbar.

Das Wichtigste

  1. np.random.default_rng(seed=42) erstellt einen Generator mit festem Seed.
  2. integers(low=1, high=11, size=5) zieht fünf ganze Zahlen von 1 bis 10.
  3. high ist ausgeschlossen, also wird 11 nie gezogen.
  4. Wegen des Seeds ist values bei jedem Lauf [1 8 7 5 5]; ohne Seed würde es sich ändern.

Wann verwendet man das?

  • Simulationen wie Würfelspiele oder Random Walks (Zufallsbewegungen).
  • Zufallsstichproben und Train/Test-Aufteilungen in der Data Science.
  • Wiederholbare Tests und Beispiele, indem du den Seed festlegst.

Wann du es nicht brauchst

  • Passwörter, Tokens oder alles Sicherheitsrelevante: Nimm das Modul secrets.
  • Eine einzelne Zufallsauswahl in normalem Python: Das Modul random reicht.

Beispielcode

Code ausführen →
main.py
import numpy as np

generator = np.random.default_rng(seed=42)
values = generator.integers(low=1, high=11, size=5)

print(values)
Run-Button für dieses Beispiel erstellen

Ergebnis der Ausführung

[1 8 7 5 5]

Erklärung des Codes

Die Funktion np.random.default_rng(seed=42) erzeugt ein Generator-Objekt, das ist der heute von NumPy empfohlene Weg. Die Methode integers(low=1, high=11, size=5) erzeugt 5 ganze Zahlen von 1 bis 10, weil der Wert high nicht dazugehört. Da der Seed fest ist, liefert jeder Durchlauf dasselbe Ergebnis [1 8 7 5 5].

Ändere die Werte und führe das Programm im CodeUtility Python Online-Compiler aus, ohne Python lokal zu installieren.

Übungen zur Vertiefung

Ändere den Code anhand der folgenden Vorschläge. Wenn du selbst etwas änderst und das Ergebnis beobachtest, verstehst du viel mehr, als wenn du den Code nur liest.

  1. Ändere die Form (shape) und den Datentyp (dtype) des Eingabearrays.
  2. Teste mit negativen Zahlen, Kommazahlen und fehlenden Werten.
  3. Wende dieselbe Operation auf ein größeres mehrdimensionales Array an und miss die Laufzeit.
Im Python-Compiler ausführen →

Häufige Fehler

Annehmen, dass high eingeschlossen ist

integers(1, 10) liefert nie 10.

Problem
generator.integers(low=1, high=10, size=5)  # 1 to 9
Lösung
generator.integers(low=1, high=11, size=5)  # 1 to 10

Lektion fertig?

Markiere sie als gelernt, um deinen Fortschritt zu verfolgen.

Mit einer Challenge üben

Nutze den Inhalt dieser Lektion, um ein echtes Problem zu lösen. Jede Challenge läuft im Browser, mit sofortigen Tests und einem KI-Review.

Alle Challenges