numpy.random.RandomState.uniform

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

Генерация случайных чисел из равномерного распределения.

Случайные числа равномерно распределяются на полуоткрытом интервале [low, high) (включая низкую границу, но исключая высокую). Другими словами, любое значение в заданном интервале равновероятно будет сгенерировано функцией uniform.

Параметры:

low : float or array_like of floats, optional Нижняя граница интервала. Все сгенерированные значения будут больше или равны low. По умолчанию 0. high : float or array_like of floats Верхняя граница интервала. Все сгенерированные значения будут меньше high. По умолчанию 1.0. size : int or tuple of ints, optional Форма выходных данных. Если заданная форма, например, (m, n, k), то генерируются m * n * k случайных чисел. Если размерность size не указана (по умолчанию), возвращается одно значение, если low и high являются скалярами. В противном случае генерируется np.broadcast(low, high).size случайных чисел.

Возвращаемое значение:

out : ndarray or scalar Сгенерированные случайные числа 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

Вещественные числа, равномерно распределённые на интервале [0, 1).

random

Псевдоним для random_sample.

rand

Функция-обёртка, принимающая размеры в качестве входных данных, например, rand(2,2) сгенерирует массив 2x2 вещественных чисел, равномерно распределённых на интервале [0, 1).

Примечания

Плотность вероятности равномерного распределения:

в пределах интервала [a, b), и ноль в других точках.

Когда high == low, будут возвращены значения low. Если high < low, результаты неопределённы и могут привести к ошибке. Не следует полагаться на поведение этой функции при таких аргументах.

Примеры

Генерация случайных чисел 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

Построение гистограммы сгенерированных значений и функции плотности вероятности:

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