Esegui NumPy online

Generare numeri casuali con NumPy

In questa lezione genererai numeri interi casuali riproducibili con il generatore Generator di NumPy.

  • Intermedio
  • 2 min di lettura
  • 1 esempio eseguibile

Introduzione

Il problema

Simulazioni, giochi, campionamenti e test hanno tutti bisogno di numeri casuali. Per i test e la didattica vuoi anche che i numeri casuali siano sempre gli stessi a ogni esecuzione, così puoi controllare e ripetere i risultati.

Immaginalo così

Un generatore casuale con seed è come una macchinetta che lancia un dado da 10 facce, partendo da un numero che scegli tu. Se imposti lo stesso numero di partenza (il seed), rifà esattamente la stessa serie di lanci ogni volta. Cambi il seed e cambia anche la serie. E come ogni dado, può uscire due volte lo stesso numero.

Dalla macchinetta dei dadi al codice
default_rng(seed=42)🎛️ Imposta il numero di partenza della macchinetta a 42
integers(low=1, high=11, size=5)🎲 Lancia cinque numeri da 1 a 10
high=11🚫 Il valore high in sé non esce mai
values📋 [1 8 7 5 5], uguale a ogni esecuzione
Stesso seed, stessa sequenza.
In una frase

Un generatore di numeri casuali produce valori che sembrano casuali. Se gli dai un seed (il seme di partenza), produce ogni volta la stessa sequenza, e così i risultati diventano ripetibili.

Punti chiave

  1. np.random.default_rng(seed=42) crea un generatore con un seed fisso.
  2. integers(low=1, high=11, size=5) pesca cinque numeri interi da 1 a 10.
  3. high è escluso, quindi 11 non viene mai pescato.
  4. Grazie al seed, values è [1 8 7 5 5] a ogni esecuzione. Senza seed cambierebbe.

Quando si usa?

  • Simulazioni come giochi di dadi o passeggiate casuali.
  • Campioni casuali e divisioni train/test nella data science.
  • Test ed esempi ripetibili, fissando il seed.

Quando non serve

  • Password, token o qualsiasi cosa legata alla sicurezza: usa il modulo secrets.
  • Una sola scelta casuale in Python semplice: basta il modulo random.

Codice di esempio

Esegui codice →
main.py
import numpy as np

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

print(values)
Crea un pulsante Run per questo esempio

Risultato dell'esecuzione

[1 8 7 5 5]

Spiegazione del codice

La funzione np.random.default_rng(seed=42) crea un oggetto Generator, che è il modo oggi consigliato da NumPy. Il metodo integers(low=1, high=11, size=5) genera 5 interi da 1 a 10, perché il valore high non è incluso. Dato che il seed è fisso, ogni esecuzione dà lo stesso risultato [1 8 7 5 5].

Modifica i valori ed esegui il programma nel compilatore Python online CodeUtility senza installare Python.

Esercizi di approfondimento

Prova a modificare il codice seguendo i suggerimenti qui sotto. Cambiare il codice e osservare il risultato ti aiuta a capire molto più che leggerlo soltanto.

  1. Cambia la forma (shape) e il tipo di dato (dtype) dell'array di input.
  2. Prova con numeri negativi, decimali e valori mancanti.
  3. Applica la stessa operazione a un array più grande, con più dimensioni, e misura il tempo.
Esegui nel compilatore Python →

Errori comuni

Pensare che high sia incluso

integers(1, 10) non restituisce mai 10.

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

Hai finito questa lezione?

Segnala come imparata per tenere traccia dei tuoi progressi.

Esercitati con una sfida

Usa ciò che questa lezione spiega per risolvere un problema reale. Ogni sfida gira nel browser, con test immediati e una revisione dell'IA.

Tutte le sfide