numpy.random.uniform

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

Генерация случайных чисел из равномерного распределения.

Случайные значения равномерно распределены на полуоткрытом интервале [low, high) (включает низкое, но не включает высокое). Другими словами, любое значение внутри заданного интервала 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. Значение по умолчанию — 0. high : float or array_like of floats Верхняя граница интервала. Все сгенерированные значения будут меньше high. Значение по умолчанию — 1.0. size : int or tuple of ints, optional Форма выходных данных. Если заданная форма, например, (m, n, k), то m * n * k случайных чисел будет сгенерировано. Если размер None (по умолчанию), возвращается одно значение, если low и high оба скаляры. В противном случае np.broadcast(low, high).size значений будет сгенерировано.

Возвращает:

out : ndarray or scalar Сгенерированные значения из 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 распределенные на [0, 1).

random

Псевдоним для random_sample.

rand

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

Примечания

Функция плотности вероятности равномерного распределения

в любом месте внутри интервала [a, b), и равна нулю в остальных случаях.

Когда high == low, значения low будут возвращены. Если high < low, результаты не определены и могут вызвать ошибку в будущем, т.е. не полагайтесь на поведение этой функции, если аргументы удовлетворяют этому условию неравенства.

Примеры

Генерация значений 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 вместе с функцией 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()