기본 콘텐츠로 건너뛰기

[matplotlib] 등고선(Contour)

[numpy]랜덤수 생성을 위한 numpy 함수들

랜덤수 생성을 위한 numpy 함수들

numpy 라이브러리의 random 클래스하에서 랜덤수를 생성하는 다양한 함수를 제공합니다. 이 결과 역시 배열 객체입니다.

random 함수들 r: 행의 수, c: 열의 수
[a, b) = a≤ x < b
함수내용
np.random.rand(r, c)[0, 1) 사이의 균일 분포를 따르는 랜덤수 생성
지정한 차원(행×열)의 배열객체를 반환
양의 정수 입력으로 1차원 랜덤 벡터 생성
np.random.randn(r,c)표준정규분포에 부합하는 랜덤수 생성
지정한 차원(행×열)의 배열객체를 반환
양의 정수 입력으로 1차원 랜덤 벡터 생성
np.random.sample((r,c))[0, 1)지정한 크기(차원)의 랜덤수를 생성
위의 함수들과 달리 인수를 튜플 형식으로 전달
지정한 차원(행×열)의 배열객체를 반환
양의 정수 입력으로 1차원 랜덤 벡터 생성
np.random.randint(s, e, (r,c))[s, e)의 범위의 정수들을 대상으로 랜덤수를 생성
start: 시작 수, end:마지막 수로 모두 정수
지정한 차원(행×열)의 배열객체를 반환
양의 정수 입력으로 1차원 랜덤 벡터 생성

다음 코드는 rand(), randn() 함수를 사용하여 생성한 각각 1차원 벡터와 그 객체의 분포를 작성하였습니다.

import numpy as np 
from numpy import random
import matplotlib.pyplot as plt
plt.rcParams['font.family'] ='NanumGothic'
random.seed(2)
x=random.rand(1000)
print(x[:3], x.shape)
[0.4359949  0.02592623 0.54966248] (1000,)
plt.figure(figsize=(3,2))
plt.hist(x, bins=10, rwidth=0.6, density=True)
plt.xlabel("랜덤수들의 계급")
plt.ylabel("density")
plt.show()

위 결과는 생성된 랜덤수들로 그룹(계급)화하여 작성한 히스토그램입니다. 각 계급에 대응하는 밀도(≈ 확률)의 변화가 매우 작습니다. 즉, 균일 분포를 따른다고 할 수 있습니다.

위 코드에서 사용한 random.seed()는 다음과 같은 이유로 적용한 것입니다.

  • numpy.random.seed(정수)
    • numpy.random 모듈로 부터 랜덤수 생성은 코드 실행시 마다 다른 수를 반환하는데 같은 수가 필요할 경우 이 함수와 함께 코드를 실행합니다. 이 함수에 전달한 정수하에서는 같은 알고리즘으로 랜덤수를 생성합니다.
random.seed(3)
y=random.randn(1000)
print(y[:3], y.shape)
[1.78862847 0.43650985 0.09649747] (1000,)
plt.figure(figsize=(3,2))
plt.hist(y, bins=10, rwidth=0.6, density=True)
plt.xlabel("랜덤수들의 계급")
plt.ylabel("density")
plt.show()

위 결과는 정규분포를 나타냅니다. 다음 코드들은 행의수(r)과 열의 수(c)를 전달하여 지정한 차원의 랜덤 객체를 생성합니다.

np.random.rand(2,2)
array([[0.15929645, 0.29190401],
       [0.79410849, 0.39557435]])
np.random.randn(2,2)
array([[-0.86682945,  0.1903874 ],
       [-0.27194554, -1.40526577]])
np.random.sample((2,2))
array([[0.84179387, 0.76751748],
       [0.45750306, 0.63112318]])
np.random.randint(1, 10, 3)
array([4, 4, 5])
np.random.randint(10, 20, (2,3))
array([[17, 10, 16],
       [12, 13, 17]])

댓글