Запустить NumPy онлайн

Генерация случайных чисел в NumPy

В этом уроке вы будете генерировать воспроизводимые случайные целые числа с помощью генератора Generator из NumPy.

  • Средний
  • Чтение: 2 мин
  • Примеров для запуска: 1

Введение

Какую задачу это решает

Симуляциям, играм, выборкам и тестам нужны случайные числа. А для тестов и обучения часто нужно, чтобы при каждом запуске выпадали одни и те же «случайные» числа: тогда результаты можно проверить и повторить.

Пример из жизни

Генератор случайных чисел с seed похож на автомат, который бросает десятигранный кубик, начиная с заданного вами числа. Задайте то же стартовое число (seed), и автомат каждый раз повторит в точности ту же серию бросков. Поменяйте seed, и серия будет другой. Как и у любого кубика, одно и то же число может выпасть дважды.

От автомата с кубиком к коду
default_rng(seed=42)🎛️ Задать автомату стартовое число 42
integers(low=1, high=11, size=5)🎲 Бросить пять раз: числа от 1 до 10
high=11🚫 Само значение high никогда не выпадает
values📋 [1 8 7 5 5] при каждом запуске
Тот же seed - та же серия чисел.
Одним предложением

Генератор случайных чисел выдаёт значения, которые выглядят случайными. Если задать ему seed (начальное значение), он каждый раз выдаёт одну и ту же последовательность, и результаты становятся воспроизводимыми.

Главное

  1. np.random.default_rng(seed=42) создаёт генератор с фиксированным seed.
  2. integers(low=1, high=11, size=5) вытягивает пять целых чисел от 1 до 10.
  3. high не включается, поэтому 11 никогда не выпадает.
  4. Благодаря seed values при каждом запуске равен [1 8 7 5 5]. Без seed значения менялись бы.

Когда это нужно?

  • Симуляции, например игры в кости или случайные блуждания.
  • Случайные выборки и разбиение на обучающую и тестовую части в анализе данных.
  • Воспроизводимые тесты и примеры с фиксированным seed.

Когда это не нужно

  • Пароли, токены и всё, что связано с безопасностью: используйте модуль secrets.
  • Один случайный выбор в обычном Python: хватит модуля random.

Пример кода

Запустить код →
main.py
import numpy as np

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

print(values)
Получить кнопку запуска для этого примера

Результат выполнения

[1 8 7 5 5]

Разбор кода

Функция np.random.default_rng(seed=42) создаёт объект Generator, это рекомендуемый сейчас в NumPy способ. Метод integers(low=1, high=11, size=5) генерирует 5 целых чисел от 1 до 10, потому что значение high не включается. Зерно зафиксировано, поэтому при каждом запуске результат одинаковый: [1 8 7 5 5].

Измените значения и запустите программу в онлайн-компиляторе Python CodeUtility без локальной установки Python.

Упражнения для практики

Попробуйте изменить код по подсказкам ниже. Если менять код и смотреть на результат, урок запомнится гораздо лучше, чем при простом чтении.

  1. Измените форму (shape) и тип данных (dtype) входного массива.
  2. Проверьте работу на отрицательных и дробных числах и пропущенных значениях.
  3. Примените ту же операцию к большему многомерному массиву и измерьте время.
Запустить в компиляторе Python →

Частые ошибки

Считать, что high включается

integers(1, 10) никогда не возвращает 10.

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

Закончили этот урок?

Отметьте его как изученный, чтобы следить за прогрессом.

Попрактикуйтесь на задаче

Примените материал этого урока к реальной задаче. Каждая задача запускается в браузере, с мгновенными тестами и разбором от ИИ.

Все задачи