Генерация целого случайного числа: np.random.randint() в NumPy

• 24.10.2023
• 857
• Библиотеки Python
• NumPy

Библиотека NumPy предоставляет обширный набор функций для работы с массивами и математическими операциями. Одна из таких функций — np.random.randint(), предназначенная для генерации случайных целых чисел.

Функция np.random.randint() возвращает случайное целое число на основе указанного диапазона.

Синтаксис

np.random.randint(low, high=None, size=None, dtype='l')

• low: Нижняя граница диапазона (включительно).
• high: Верхняя граница диапазона (исключительно). Если не указано, то low становится верхней границей, а нижняя граница становится 0.
• size: Размер выходного массива. Если не указан, возвращается одно значение.
• dtype: Тип данных для вывода. По умолчанию l, что означает int64 или длинное целое число.

Примеры

Генерация одного числа между 0 и 9 (включительно)

import numpy as np
num = np.random.randint(10)
print(num)  # 5

Генерация числа между 5 и 20 (исключая 20)

num = np.random.randint(5, 20)
print(num)  # 15

Генерация массива из 5 случайных чисел между 0 и 10 (исключая 10)

arr = np.random.randint(10, size=5)
print(arr)  # [0 9 9 3 0]

Генерация 2x3 матрицы случайных чисел между 0 и 5

matrix = np.random.randint(5, size=(2, 3))
print(matrix)  
#[[1 2 4]
# [3 2 2]]

Использование seed для воспроизводимости

Чтобы гарантировать одинаковую последовательность случайных чисел при каждом запуске, можно использовать np.random.seed().

np.random.seed(0)
num = np.random.randint(10)
print(num)  # Всегда будет 5 при этом seed

Генерация чисел с другим типом данных

nums = np.random.randint(0, 100, 10, dtype='int32')
print(nums)  # [53 48 25  3 88 82 18 46 59  0]

Заключение

Функция np.random.randint() является мощным инструментом в арсенале программиста для создания случайных целых чисел. Она обеспечивает гибкость при работе с различными диапазонами и размерами массивов, что делает ее идеальным инструментом для различных приложений, от игр и симуляций до научных исследований и обработки данных. Используя ее в сочетании с другими функциями NumPy, вы можете легко и быстро создавать и анализировать сложные наборы данных.