NP NP.aleatorio.función randn

Lo aleatorio.La función randn () en numpy le permite generar una matriz de formas especificadas. Funciona poblando la matriz con valores aleatorios por distribución "estándar normal".

En este artículo, exploraremos cómo usar el aleatorio.función randn () en numpy para generar matrices de muestra.

notario público.aleatorio.función randn ()

La función randn () toma las dimensiones de una matriz como argumentos y devuelve un valor flotante o una matriz multidimensional de la forma especificada.

Como se mencionó, la función devuelve muestras de la distribución normal estándar.

La distribución normal estándar es un tipo especial de distribución normal donde la media es 0 y tiene un valor de desviación estándar de 1.

Una distribución normal es una distribución simétrica donde los datos trazados en un gráfico forma una forma de campana. La mayoría de los datos se grupos alrededor de un punto central en una distribución normal y disminuyen a medida que van más lejos del punto principal.

La función randn () en numpy tiene una sintaxis como se muestra a continuación:

aleatorio.Randn (D0, D1, ..., DN)

Donde el D0, D1, ..., DN se refiere a un parámetro de tipo INT opcional que dicta las dimensiones de la matriz devuelta. Asegúrese de que los valores de los parámetros D* sean enteros no negativos.

Nota: Si no se proporciona ningún argumento, la función devuelve un solo valor de punto flotante.

Generar flotador aleatorio usando NP.aleatorio.randn ()

Para generar un flotador aleatorio utilizando la función randn (), comience importando numpy, como se muestra a continuación:

# Importar Numpy
importar numpy como np

Para generar un flotador aleatorio, llame a la función randn () sin argumentos, como se muestra a continuación:

Imprimir (NP.aleatorio.randn ())
Imprimir (NP.aleatorio.randn ())
Imprimir (NP.aleatorio.randn ())
Imprimir (NP.aleatorio.randn ())

El código anterior debe generar enteros aleatorios y devolver los valores, como se muestra a continuación:

Crear una matriz 1D usando la función randn ()

Podemos crear una matriz 1-dimensional utilizando la función RANDN especificando un valor para el parámetro de dimensión.

A continuación se muestra un ejemplo:

# 1D matriz
arr = np.aleatorio.Randn (5)
Display (arr)

El código anterior debe generar una matriz 1D con cinco elementos como se muestra a continuación:

matriz ([0.4127406, -0.24008493, -0.4563451, -0.65624503, 0.43985204])

Crear matriz 2D usando la función randn ()

Para crear una matriz 2D usando la función randn (), podemos especificar dos valores para representar las dimensiones de la matriz.

Considere el código, como se muestra a continuación:

# Matriz 2d
arr = np.aleatorio.Randn (2,3)
Display (arr)

Esto debería devolver una matriz bidimensional de 2 filas y 3 columnas. A continuación se muestra una salida de ejemplo:

Array ([[-0.08095138, 1.65439459, 0.55345608],
[1.06720002, 0.90974257, 0.48808603]])

Nota: Los parámetros en RANDN (2,3) representan filas y columnas, respectivamente.

Crear matriz 3D usando la función randn ()

Para crear una matriz 3D usando la función randn (), podemos hacer lo siguiente:

arr = np.aleatorio.Randn (2,2,2)
Display (arr)

Esto debería devolver una matriz 3D de valores aleatorios como se muestra:

Array ([[[-2.01110783, 3.0148612],
[-1.3227269, 0.96494486]],
[[0.14853023, 1.72551442],
[0.23563147, -1.55067172]]])

Remodelar una matriz

Después de generar una matriz aleatoria, podemos usar la matriz.La función de reashape () para remodelar la matriz en nuestro formato deseado.

Considere el ejemplo a continuación:

# Matriz 2d
arr = np.aleatorio.Randn (4,6)

En el ejemplo anterior, generamos una matriz 2D usando la función randn ().

Para remodelar la matriz en una forma de 8,3, podemos hacer lo siguiente:

pantalla (arr.remodelar (8,3))

Esto debería volver:

Conclusión

En este tutorial, aprendimos a usar el NP.aleatorio.Función RANDN para generar matrices 1, 2 y tridimensionales pobladas con valores de muestra por distribución gaussiana. Gracias por leer este artículo y una codificación feliz.