numpy.random

numpy.random.Generator

numpy.random.Generator(seed)

Создаёт генератор PCG встроенного численного модуля.

Аргументы

Возвращаемое значение

Объект Generator либо кортеж Generator при seed-кортеже.

Особенности вызова

• В примерах начальное состояние передаётся явно: Generator(123). Это также исключает зависимость от системного источника начального состояния.
• Передавайте начальное состояние позиционно. Вызов без аргументов не входит в проверенный контракт этой сборки; для воспроизводимых примеров используйте целое seed.

Пример

"Пример numpy.random.Generator.\nСреда: встроенный MicroPython FEMM 5.\nСоздаёт генератор PCG встроенного численного модуля.\nРезультат: Объект Generator либо кортеж Generator при seed-кортеже."

import numpy as np
a=np.random.Generator(123)
b=np.random.Generator(123)
x=a.random()
y=b.random()
assert x==y
print(x)

Ожидаемый результат. При одинаковом seed первый отсчёт двух генераторов совпадает.

Скачать пример · Ссылка на функцию

Этот пример выполнен в установленном FEMM 5.

numpy.random.Generator.random

rng.random(size=None, *, out=None)

Генерирует равномерные значения от 0 включительно до 1 исключительно.

Аргументы

Возвращаемое значение

float в [0,1) либо вещественный ndarray.

Особенности вызова

• При создании массива через size используйте кортеж. Передача целого size без out в текущем нативном коде неверно интерпретирует объект и может зависнуть; такая форма не используется.

Пример

"Пример numpy.random.Generator.random.\nСреда: встроенный MicroPython FEMM 5.\nГенерирует равномерные значения от 0 включительно до 1 исключительно.\nРезультат: float в [0,1) либо вещественный ndarray."

import numpy as np
rng=np.random.Generator(123)
x=rng.random(size=(4,))
assert len(x)==4 and all([0<=v<1 for v in x])
print(x)

Ожидаемый результат. Четыре числа в [0,1).

Скачать пример · Ссылка на функцию

Этот пример выполнен в установленном FEMM 5.

numpy.random.Generator.uniform

rng.uniform(low=0.0, high=1.0, size=None)

Генерирует значения в заданном диапазоне.

Аргументы

Возвращаемое значение

float либо вещественный ndarray равномерных отсчётов.

Особенности вызова

• Особенность текущего ядра: при size=None метод возвращает необработанный отсчёт в [0,1) и не применяет low/high. Для одного значения заданного диапазона используйте rng.uniform(low,high,size=(1,))[0].

Пример

"Пример numpy.random.Generator.uniform.\nСреда: встроенный MicroPython FEMM 5.\nГенерирует значения в заданном диапазоне.\nРезультат: float либо вещественный ndarray равномерных отсчётов."

import numpy as np
rng=np.random.Generator(123)
x=rng.uniform(0.9,1.1,size=(4,))
assert all([0.9<=v<1.1 for v in x])
print(x)

Ожидаемый результат. Четыре множителя допуска в диапазоне [0.9,1.1).

Скачать пример · Ссылка на функцию

Этот пример выполнен в установленном FEMM 5.

numpy.random.Generator.normal

rng.normal(loc=0.0, scale=1.0, size=None)

Генерирует нормальные значения методом преобразования равномерных отсчётов.

Аргументы

Возвращаемое значение

float либо вещественный ndarray нормальных отсчётов.

Пример

"Пример numpy.random.Generator.normal.\nСреда: встроенный MicroPython FEMM 5.\nГенерирует нормальные значения методом преобразования равномерных отсчётов.\nРезультат: float либо вещественный ndarray нормальных отсчётов."

import numpy as np
rng=np.random.Generator(123)
x=rng.normal(loc=2,scale=0,size=4)
assert len(x)==4 and all([v==2 for v in x])
print(x)

Ожидаемый результат. При нулевом отклонении получены четыре значения 2.

Скачать пример · Ссылка на функцию

Этот пример выполнен в установленном FEMM 5.