Generar números aleatorios con NumPy
En esta lección vas a generar enteros aleatorios reproducibles con el generador Generator de NumPy.
Introducción
El problema
Las simulaciones, los juegos, el muestreo y las pruebas necesitan números aleatorios. Para probar y enseñar también te interesa obtener exactamente los mismos números aleatorios en cada ejecución, para poder comprobar y repetir los resultados.
Imagínalo así
Un generador aleatorio con semilla es como una máquina que lanza un dado de 10 caras a partir de un número que tú eliges. Si pones el mismo número de arranque (la semilla), repite exactamente la misma serie de tiradas cada vez. Si cambias la semilla, cambia la serie. Como cualquier dado, puede sacar el mismo número dos veces.
default_rng(seed=42)🎛️ Pon el número de arranque de la máquina en 42integers(low=1, high=11, size=5)🎲 Lanza cinco números del 1 al 10high=11🚫 El valor de high nunca salevalues📋 [1 8 7 5 5], igual en cada ejecuciónUn generador de números aleatorios produce valores que parecen aleatorios. Si le das una semilla (seed), produce la misma secuencia cada vez, y así los resultados se pueden repetir.
Puntos clave
np.random.default_rng(seed=42)crea un generador con una semilla fija.integers(low=1, high=11, size=5)saca cinco números enteros del 1 al 10.highqueda excluido, así que el 11 nunca sale.- Gracias a la semilla,
valueses[1 8 7 5 5]en cada ejecución. Sin semilla, cambiaría.
¿Cuándo se usa?
- Simulaciones como juegos de dados o caminatas aleatorias.
- Muestras aleatorias y divisiones en entrenamiento y prueba en ciencia de datos.
- Pruebas y ejemplos repetibles, fijando la semilla.
Cuándo no hace falta
- Contraseñas, tokens o cualquier cosa de seguridad: usa el módulo
secrets. - Una sola elección aleatoria en Python normal: basta con el módulo
random.
Código de ejemplo
import numpy as np
generator = np.random.default_rng(seed=42)
values = generator.integers(low=1, high=11, size=5)
print(values)
Resultado de la ejecución
[1 8 7 5 5]
Explicación del código
La función np.random.default_rng(seed=42) crea un objeto Generator, la forma que NumPy recomienda hoy en día. El método integers(low=1, high=11, size=5) genera 5 enteros del 1 al 10, porque el valor high queda excluido. Como la semilla está fijada, cada ejecución da el mismo resultado [1 8 7 5 5].
Cambia los valores y ejecuta el programa en el compilador Python online de CodeUtility sin instalar Python.
Ejercicios de práctica
Prueba a modificar el código siguiendo las ideas de abajo. Cambiar el código y ver el resultado te ayudará a entender la lección mucho mejor que solo leerla.
- Cambia la forma (shape) y el tipo de datos (dtype) del arreglo de entrada.
- Prueba con números negativos, decimales y valores faltantes.
- Aplica la misma operación a un arreglo más grande de varias dimensiones y mide el tiempo.
Errores comunes
Pensar que high está incluido
integers(1, 10) nunca devuelve 10.
generator.integers(low=1, high=10, size=5) # 1 to 9
generator.integers(low=1, high=11, size=5) # 1 to 10
¿Terminaste esta lección?
Márcala como aprendida para seguir tu progreso.
Practica con un reto
Usa lo que cubre esta lección para resolver un problema real. Cada reto se ejecuta en el navegador, con pruebas al instante y una revisión de IA.
- Bandido multibrazo epsilon-greedy Equilibra exploración y explotación en un bandido multibrazo con selección de acciones epsilon-greedy. Fácil
- Muestreo con temperatura y top-k Elige el siguiente token como un modelo de lenguaje: conserva los k logits más altos, aplica la temperatura y muestrea. Intermedio