Exécuter NumPy en ligne

Générer des nombres aléatoires avec NumPy

Dans cette leçon, vous allez générer des entiers aléatoires reproductibles avec le générateur Generator de NumPy.

  • Intermédiaire
  • 2 min de lecture
  • 1 exemple exécutable

Introduction

Le problème

Les simulations, les jeux, l'échantillonnage et les tests ont tous besoin de nombres aléatoires. Pour tester et enseigner, on veut aussi les mêmes nombres « aléatoires » à chaque exécution, pour pouvoir vérifier et reproduire les résultats.

Imaginez-le ainsi

Un générateur aléatoire avec une graine ressemble à une machine qui lance un dé à 10 faces à partir d'un nombre de départ que vous choisissez. Avec le même nombre de départ (la graine, ou seed), elle rejoue exactement la même série de lancers à chaque fois. Changez la graine, et la série change. Comme avec tout dé, le même nombre peut sortir deux fois.

D'une machine à lancer les dés au code
default_rng(seed=42)🎛️ Régler le nombre de départ de la machine sur 42
integers(low=1, high=11, size=5)🎲 Lancer cinq nombres entre 1 et 10
high=11🚫 La valeur high elle-même ne sort jamais
values📋 [1 8 7 5 5], identique à chaque exécution
Même graine, même suite.
En une phrase

Un générateur de nombres aléatoires produit des valeurs qui semblent aléatoires ; lui donner une graine (seed) lui fait produire la même suite à chaque fois, ce qui rend les résultats reproductibles.

Points clés

  1. np.random.default_rng(seed=42) crée un générateur avec une graine fixe.
  2. integers(low=1, high=11, size=5) tire cinq entiers de 1 à 10.
  3. high est exclu, donc 11 n'est jamais tiré.
  4. Grâce à la graine, values vaut [1 8 7 5 5] à chaque exécution ; sans graine, il changerait.

Quand l’utiliser ?

  • Les simulations comme les jeux de dés ou les marches aléatoires.
  • Les échantillons aléatoires et les découpages entraînement/test en data science.
  • Les tests et exemples reproductibles, en fixant la graine.

Quand s'en passer

  • Les mots de passe, jetons ou tout ce qui touche à la sécurité : utilisez le module secrets.
  • Un seul choix aléatoire en Python simple : le module random suffit.

Code d’exemple

Exécuter le code →
main.py
import numpy as np

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

print(values)
Obtenir un bouton Run pour cet exemple

Résultat de l’exécution

[1 8 7 5 5]

Explication du code

La fonction np.random.default_rng(seed=42) crée un objet Generator, la méthode aujourd'hui recommandée par NumPy. La méthode integers(low=1, high=11, size=5) génère 5 entiers de 1 à 10, car la valeur high est exclue. Comme la graine est fixée, chaque exécution donne le même résultat [1 8 7 5 5].

Modifiez les valeurs et exécutez le programme avec le compilateur Python en ligne CodeUtility, sans installation locale.

Exercices d’approfondissement

Essayez de modifier le code en suivant les pistes ci-dessous. Changer le code et observer le résultat vous fera bien mieux comprendre la leçon que la simple lecture.

  1. Changez la forme (shape) et le type de données (dtype) du tableau d’entrée.
  2. Testez avec des nombres négatifs, des décimaux et des valeurs manquantes.
  3. Appliquez la même opération à un tableau plus grand à plusieurs dimensions et mesurez le temps.
Exécuter dans le compilateur Python →

Erreurs fréquentes

Croire que high est inclus

integers(1, 10) ne renvoie jamais 10.

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

Leçon terminée ?

Marquez-la comme apprise pour suivre votre progression.

S'entraîner avec un défi

Utilisez le contenu de cette leçon pour résoudre un vrai problème. Chaque défi s'exécute dans le navigateur, avec des tests instantanés et une revue par l'IA.

Tous les défis