소개
어떤 문제를 해결하나요
시뮬레이션, 게임, 표본 추출, 테스트에는 모두 난수가 필요합니다. 테스트와 교육에서는 결과를 확인하고 반복할 수 있도록 실행할 때마다 같은 "무작위" 수를 원하기도 합니다.
일상 속 비유
시드를 정한 난수 생성기는 10면 주사위를 굴리는 기계와 비슷합니다. 이 기계는 내가 정한 시작 번호에서 출발합니다. 같은 시작 번호(시드)를 넣으면 매번 똑같은 순서로 숫자가 나옵니다. 시드를 바꾸면 나오는 순서도 바뀝니다. 진짜 주사위처럼 같은 숫자가 두 번 나올 수도 있습니다.
default_rng(seed=42)🎛️ 기계의 시작 번호를 42로 정합니다integers(low=1, high=11, size=5)🎲 1부터 10 사이 숫자를 다섯 번 굴립니다high=11🚫 high 값 자체는 절대 나오지 않습니다values📋 [1 8 7 5 5], 실행할 때마다 같습니다난수 생성기는 무작위처럼 보이는 값을 만듭니다. 시드(seed)를 주면 매번 같은 나열을 만들어 결과를 반복할 수 있게 됩니다.
핵심 포인트
np.random.default_rng(seed=42)는 고정 시드로 생성기를 만듭니다.integers(low=1, high=11, size=5)는 1부터 10까지 정수 다섯 개를 뽑습니다.high는 빠지므로 11은 절대 뽑히지 않습니다.- 시드 덕분에
values는 실행할 때마다[1 8 7 5 5]이며, 시드가 없으면 바뀝니다.
언제 사용하나요?
- 주사위 게임이나 랜덤 워크 같은 시뮬레이션.
- 데이터 과학의 무작위 표본과 훈련/테스트 분할.
- 시드를 고정한, 반복 가능한 테스트와 예제.
필요 없는 경우
- 비밀번호, 토큰 등 보안 관련 모든 것:
secrets모듈을 씁니다. - 평범한 Python 의 무작위 선택 하나:
random모듈이면 충분합니다.
예제 코드
import numpy as np
generator = np.random.default_rng(seed=42)
values = generator.integers(low=1, high=11, size=5)
print(values)
실행 결과
[1 8 7 5 5]
코드 설명
np.random.default_rng(seed=42) 함수는 Generator 객체를 만듭니다. 현재 NumPy가 권장하는 방식입니다. integers(low=1, high=11, size=5) 메서드는 1부터 10까지의 정수 5개를 만드는데, high 값은 포함되지 않기 때문입니다. 시드가 고정되어 있으므로 실행할 때마다 같은 결과 [1 8 7 5 5]가 나옵니다.
값을 변경하고 Python 설치 없이 CodeUtility 온라인 Python 컴파일러에서 실행하세요.
연습 문제
아래 제안을 따라 코드를 바꿔 보세요. 코드를 직접 고치고 결과를 확인하면 읽기만 할 때보다 레슨을 훨씬 잘 이해할 수 있습니다.
- 입력 배열의 모양(shape)과 데이터 타입(dtype)을 바꿔 보세요.
- 음수, 소수, 누락된 값으로 테스트해 보세요.
- 같은 연산을 더 큰 다차원 배열에 적용하고 시간을 재 보세요.
자주 하는 실수
high 가 포함된다고 생각하기
integers(1, 10) 은 절대 10을 돌려주지 않습니다.
generator.integers(low=1, high=10, size=5) # 1 to 9
generator.integers(low=1, high=11, size=5) # 1 to 10
이 레슨을 마쳤나요?
학습 완료로 표시하면 진행 상황을 기록할 수 있습니다.
챌린지로 연습하기
이 레슨에서 배운 내용으로 실제 문제를 풀어 보세요. 모든 챌린지는 브라우저에서 실행되며 즉시 테스트와 AI 리뷰를 받을 수 있습니다.
- 엡실론-그리디 멀티암드 밴딧 엡실론-그리디 행동 선택으로 멀티암드 밴딧에서 탐험과 활용의 균형을 맞춥니다. 쉬움
- 온도와 Top-K 샘플링 언어 모델처럼 다음 토큰을 고릅니다: 상위 k개 로짓을 남기고 온도를 적용한 뒤 샘플링합니다. 보통