Читаем Язык программирования Python полностью

Язык программирования Python

>>> print RandomArray.random([3,3]) # массив 3x3 из псевдослучайных чисел

[[ 0.53493741 0.44636754 0.20466961]

[ 0.8911635 0.03570878 0.00965272]

[ 0.78490953 0.20674807 0.23657821]]

Функция RandomArray.randint() для получения массива равномерно распределенных чисел из заданного интервала и заданной формы:

>>> print RandomArray.randint(1, 10, [10])

[8 1 9 9 7 5 2 5 3 2]

>>> print RandomArray.randint(1, 10, [10])

[2 2 5 5 7 7 3 4 3 7]

Можно получать и случайные перестановки с помощью RandomArray.permutation():

>>> print RandomArray.permutation(6)

[4 0 1 3 2 5]

>>> print RandomArray.permutation(6)

[1 2 0 3 5 4]

Доступны и другие распределения для получения массива нормально распределенных величин с заданным средним и стандартным отклонением:

>>> print RandomArray.normal(0, 1, 30)

[-1.0944078 1.24862444 0.20415567 -0.74283403 0.72461408 -0.57834256

0.30957144 0.8682853 1.10942173 -0.39661118 1.33383882 1.54818618

0.18814971 0.89728773 -0.86146659 0.0184834 -1.46222591 -0.78427434

1.09295738 -1.09731364 1.34913492 -0.75001568 -0.11239344 2.73692131

-0.19881676 -0.49245331 1.54091263 -1.81212211 0.46522358 -0.08338884]

Следующая таблица приводит функции для других распределений:

Функция и ее аргументы	Описание
`F(dfn, dfd, shape=[])`	F–распределение
`beta(a, b, shape=[])`	Бета–распределение
`binomial(trials, p, shape=[])`	Биномиальное распределение
`chi_square(df, shape=[])`	Распределение хи–квадрат
`exponential(mean, shape=[])`	Экспоненциальное распределение
`gamma(a, r, shape=[])`	Гамма–распределение
`multivariate_normal(mean, cov, shape=[])`	Многомерное нормальное распределение
`negative_binomial(trials, p, shape=[])`	Негативное биномиальное
`noncentral_F(dfn, dfd, nconc, shape=[])`	Нецентральное F–распределение
`noncentral_chi_square(df, nconc, shape=[])`	Нецентральное хи–квадрат распределение
`normal(mean, std, shape=[])`	Нормальное распределение
`permutation(n)`	Случайная перестановка
`poisson(mean, shape=[])`	Пуассоновское распределение
`randint(min, max=None, shape=[])`	Случайное целое
`random(shape=[])`	Равномерное распределение на интервале (0, 1)
`random_integers(max, min=1, shape=[])`	Случайное целое
`standard_normal(shape=[])`	Стандартное нормальное распределение
`uniform(min, max, shape=[])`	Равномерное распределение

Заключение

В этой лекции рассматривался набор модулей для численных вычислений. Модуль Numeric определяет тип многомерный массив и множество функций для работы с массивами. Также были представлены модули для линейной алгебры и моделирования последовательностей случайных чисел различных распределений.

Ссылки

Сайт, посвященный Numeric Python: http://www.pfdubois.com/numpy/

Лекция #6: Обработка текстов. Регулярные выражения. Unicode.

В этой лекции дается краткое представление о возможностях языка Python по обработке текстовой информации. Рассмотрены синтаксис и семантика регулярных выражений, а также некоторые вопросы использования Unicode.

Перейти на страницу:

Похожие книги