آموزش numpy | عملیات تصادفی با آرایه ها

تولید اعداد تصادفی

در این بخش، با نحوه تولید اعداد تصادفی با استفاده از کتابخانه numpy آشنا می‌شویم. تولید اعداد تصادفی در برنامه‌نویسی و تحلیل داده‌ها بسیار مهم است، زیرا می‌تواند در شبیه‌سازی‌ها، آزمایش‌ها و تحلیل‌های آماری مورد استفاده قرار گیرد.

1. وارد کردن کتابخانه numpy

برای شروع، ابتدا باید کتابخانه numpy را وارد کنیم. اگر numpy را نصب نکرده‌اید، می‌توانید با استفاده از pip آن را نصب کنید:

pip install numpy

پس از نصب، می‌توانید numpy را به شکل زیر وارد کنید:

import numpy as np

2. تولید اعداد تصادفی

کتابخانه numpy توابع مختلفی برای تولید اعداد تصادفی فراهم می‌کند. در زیر به برخی از این توابع اشاره می‌کنیم:

• تولید عدد تصادفی از توزیع یکنواخت:
  برای تولید یک عدد تصادفی از توزیع یکنواخت بین 0 و 1، می‌توانید از تابع np.random.rand() استفاده کنید:

  random_number = np.random.rand()
  print(random_number)

  این کد یک عدد تصادفی بین 0 و 1 تولید می‌کند.

• تولید عدد تصادفی از توزیع نرمال:
  اگر می‌خواهید عددی تصادفی از توزیع نرمال (با میانگین 0 و انحراف معیار 1) تولید کنید، می‌توانید از تابع np.random.randn() استفاده کنید:

  random_normal = np.random.randn()
  print(random_normal)

• تولید آرایه‌ای از اعداد تصادفی:
  برای تولید آرایه‌ای از اعداد تصادفی، می‌توانید به تابع np.random.rand() یک ابعاد مشخص بدهید. به عنوان مثال، برای تولید یک آرایه 2×3 از اعداد تصادفی بین 0 و 1:

  random_array = np.random.rand(2, 3)
  print(random_array)

• تولید اعداد تصادفی در بازه مشخص:
  اگر بخواهید اعداد تصادفی را در یک بازه مشخص تولید کنید، می‌توانید از تابع np.random.uniform(low, high, size) استفاده کنید که در آن low و high محدوده اعداد و size ابعاد آرایه را مشخص می‌کند:

  random_uniform = np.random.uniform(10, 20, (2, 3))
  print(random_uniform)

3. استفاده از seed برای تولید اعداد تصادفی قابل تکرار

گاهی اوقات ممکن است بخواهید اعداد تصادفی تولید شده را قابل تکرار کنید. برای این کار می‌توانید از تابع np.random.seed() استفاده کنید. با تعیین یک عدد به عنوان seed، می‌توانید اطمینان حاصل کنید که هر بار که کد را اجرا می‌کنید، همان اعداد تصادفی تولید می‌شوند:

np.random.seed(42)
random_number1 = np.random.rand()
random_number2 = np.random.rand()

print(random_number1)
print(random_number2)

با استفاده از seed، شما می‌توانید نتایج خود را تکرار کنید و از آن‌ها در مقالات یا گزارش‌های خود استفاده کنید.

این موارد، مبنای تولید اعداد تصادفی با numpy را تشکیل می‌دهند و می‌توانید از آن‌ها در پروژه‌های مختلف خود استفاده کنید.