Generare numeri casuali con NumPy
In questa lezione genererai numeri interi casuali riproducibili con il generatore Generator di NumPy.
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.
default_rng(seed=42)🎛️ Imposta il numero di partenza della macchinetta a 42integers(low=1, high=11, size=5)🎲 Lancia cinque numeri da 1 a 10high=11🚫 Il valore high in sé non esce maivalues📋 [1 8 7 5 5], uguale a ogni esecuzioneUn 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
np.random.default_rng(seed=42)crea un generatore con un seed fisso.integers(low=1, high=11, size=5)pesca cinque numeri interi da 1 a 10.highè escluso, quindi 11 non viene mai pescato.- Grazie al seed,
valuesè[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
import numpy as np
generator = np.random.default_rng(seed=42)
values = generator.integers(low=1, high=11, size=5)
print(values)
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.
- Cambia la forma (shape) e il tipo di dato (dtype) dell'array di input.
- Prova con numeri negativi, decimali e valori mancanti.
- Applica la stessa operazione a un array più grande, con più dimensioni, e misura il tempo.
Errori comuni
Pensare che high sia incluso
integers(1, 10) non restituisce mai 10.
generator.integers(low=1, high=10, size=5) # 1 to 9
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.
- Bandito multi-braccio epsilon-greedy Bilancia esplorazione e sfruttamento su un bandito multi-braccio con la selezione delle azioni epsilon-greedy. Facile
- Campionamento con temperatura e top-k Scegli il token successivo come un modello linguistico: tieni i k logit più alti, applica la temperatura e campiona. Media