numpy.random.uniform

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

Генерирует выборки из равномерного распределения.

Выборка равномерно распределена на полуоткрытом интервале [low, high) (включает низкую границу, но не включает верхнюю). Другими словами, любое значение в данном интервале равновероятно будет выбрано функцией uniform.

Параметры:

low : float или array_like чисел с плавающей точкой, необязательно Нижняя граница интервала выходных значений. Все сгенерированные значения будут больше или равны low. По умолчанию 0. high : float или array_like чисел с плавающей точкой Верхняя граница интервала выходных значений. Все сгенерированные значения будут меньше high. 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 будет сгенерировано. Если size не указан (по умолчанию), будет возвращено одно значение, если low и high являются скалярами. В противном случае будет сгенерировано np.broadcast(low, high).size выборок.

Возвращает:

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

См. также

randint

Дискретное равномерное распределение, генерирующее целые числа.

random_integers

Дискретное равномерное распределение по замкнутому интервалу [low, high].

random_sample

Вещественные числа, равномерно распределённые по [0, 1).

random

Псевдоним для random_sample.

rand

Функция-удобство, принимающая размерность в качестве входных данных, например, rand(2,2) сгенерирует 2x2 массив вещественных чисел, равномерно распределённых по [0, 1).

Примечания

Плотность вероятности равномерного распределения:

везде внутри интервала [a, b), и ноль в остальном.

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

Примеры

Генерация 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)