NumPy ऑनलाइन चलाएँ
Generate Random Numbers with NumPy
Use NumPy's Generator to draw random integers and floats, and a seed to get the same numbers every run.
आप क्या सीखेंगे
- np.random.default_rng(seed)
- integers(), random() and normal()
- Why seeds make results repeatable
default_rng(seed=42)
- 1
seed = 42Fix the starting point - 2
integers(1, 11, size=5)Draw five integers - 3
[1 8 7 5 5]Same result every run
A seeded generator
Random numbers simulation, testing और sampling में काम आते हैं।
मुख्य बातें
default_rng(seed=42)creates a generator that always produces the same sequence.integers(low=1, high=11, size=5)draws five numbers from 1 to 10; high is excluded.- Without a seed, every run gives different numbers.
इसका उपयोग कब करें?
- कई मानों पर vectorized गणना करें।
- Arrays, matrices और scientific data संसाधित करें।
- Data science और machine learning के लिए data तैयार करें।
उदाहरण कोड
main.py
import numpy as np
generator = np.random.default_rng(seed=42)
values = generator.integers(low=1, high=11, size=5)
print(values)
अपेक्षित आउटपुट
[1 8 7 5 5]
यह कैसे काम करता है
default_rng generator बनाता है; fixed seed वही sequence दोबारा उत्पन्न करता है।
मान बदलें और Python इंस्टॉल किए बिना CodeUtility ऑनलाइन Python कंपाइलर में प्रोग्राम चलाएँ।
अभ्यास के कार्य
बड़े dataset पर जाने से पहले input बदलें और edge cases की जाँच करें।
- Shape और dtype बदलकर देखें।
- Negative, decimal और missing values जाँचें।
- बड़े array पर execution time मापें।
चैलेंज से अभ्यास करें
इस पाठ में सीखी बात से एक असली समस्या हल करें। हर चैलेंज ब्राउज़र में चलता है, तुरंत टेस्ट और AI रिव्यू के साथ।
- एप्सिलॉन-ग्रीडी मल्टी-आर्म्ड बैंडिट एप्सिलॉन-ग्रीडी क्रिया चयन से मल्टी-आर्म्ड बैंडिट पर खोज और उपयोग के बीच संतुलन बनाएँ। आसान
- टेम्परेचर और टॉप-k सैंपलिंग भाषा मॉडल की तरह अगला टोकन चुनें: सबसे ऊँचे k logit रखें, टेम्परेचर लगाएँ और सैंपल करें। मध्यम