numpy.random.mtrand.RandomState.uniform

метод

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

Извлечь выборки из равномерного распределения.

Выборки равномерно распределены в полуоткрытом интервале [low, high) (включает low, но исключает high). Другими словами, любое значение в заданном интервале с одинаковой вероятностью может быть извлечено с помощью uniform.

Параметры:

low : float or array_like of floats, optional Нижняя граница выходного интервала. Все сгенерированные значения будут больше или равны low. Значение по умолчанию равно 0. high : float or array_like of floats Верхняя граница выходного интервала. Все сгенерированные значения будут меньше high. Значение по умолчанию равно 1.0. size : int or tuple of ints, optional Выходная форма. Если заданная форма, например, (m, n, k), то извлекается m * n * k выборок. Если size равно None (по умолчанию), возвращается одно значение, если low и high являются скалярами. В противном случае извлекается np.broadcast(low, high).size выборок.

Возвращает:

out : ndarray or scalar Извлеченные выборки из параметризованного равномерного распределения.

См. также

randint

Дискретное равномерное распределение, дающее целые числа.

random_integers

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

random_sample

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

random

Псевдоним для random_sample.

rand

Вспомогательная функция, которая принимает размерности в качестве входных данных, например, rand(2,2) сгенерирует 2x2 массив вещественных чисел, равномерно распределенных по [0, 1).

Примечания

Функция плотности вероятности равномерного распределения:

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

Когда high == low, возвращаются значения low. Если high < low, результаты официально неопределены и могут в конечном итоге вызвать ошибку, т.е. не полагайтесь на эту функцию, если ей переданы аргументы, удовлетворяющие этому условию неравенства.

Примеры

Извлечь выборки 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

Показать гистограмму выборок 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()