numpy.random.uniform

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

Генерировать выборки из равномерного распределения.

Выборки равномерно распределены на полуоткрытом интервале [low, high) (включает low, но не включает high). Другими словами, любое значение в заданном интервале с одинаковой вероятностью может быть выбрано функцией uniform.

Параметры:

low : float или array_like чисел с плавающей точкой, необязательно Нижняя граница интервала вывода. Все сгенерированные значения будут больше или равны low. Значение по умолчанию — 0. high : float или array_like чисел с плавающей точкой Верхняя граница интервала вывода. Все сгенерированные значения будут меньше high. Значение по умолчанию — 1.0. size : целое число или кортеж целых чисел, необязательно Форма выходных данных. Если заданная форма, например, (m, n, k), то m * n * k выборок генерируются. Если size не задан (значение по умолчанию), возвращается единственное значение, если low и high являются скалярами. В противном случае np.broadcast(low, high).size выборок генерируется.

Возвращает:

out : ndarray или скаляр Сгенерированные выборки из параметризованного равномерного распределения.

См. также

randint

Дискретное равномерное распределение, возвращающее целые числа.

random_integers

Дискретное равномерное распределение на замкнутом интервале [low, high].

random_sample

Числа с плавающей точкой, равномерно распределённые в [0, 1).

random

Псевдоним для random_sample.

rand

Функция удобства, которая принимает размерности в качестве входных данных, например, rand(2,2) сгенерирует 2x2 массив чисел с плавающей точкой, равномерно распределённых в [0, 1).

Примечания

Функция плотности вероятности равномерного распределения:

везде в интервале [a, b), и равна нулю в других местах.

Когда high == low, будут возвращены значения low. Если high < low, результаты не определены и могут в конечном итоге вызвать ошибку. Не полагайтесь на поведение этой функции при передаче аргументов, удовлетворяющих этому условию неравенства.

Примеры

Генерирование выборок из распределения:

>>> s = np.random.uniform(-1,0,1000)

Все значения находятся в заданном интервале:

>>> np.all(s >= -1)
True
>>> np.all(s < 0)
True

Отображение гистограммы выборок вместе с функцией плотности вероятности:

>>> import matplotlib.pyplot as plt
>>> count, bins, ignored = plt.hist(s, 15, normed=True)
>>> plt.plot(bins, np.ones_like(bins), linewidth=2, color='r')
>>> plt.show()

(Исходный код, png, pdf)