Python random.uniform()

在本教程中，我們將討論 Python random模塊中的 uniform()方法，以及如何通過導入 NumPy 來使用它。

uniform()返回一個浮點數或指定限制之間的數字範圍。

使用 uniform()的語法是-

random.uniform(a,b)

這裡，「a」代表上限，b 代表下限。

讓我們看一些例子，展示它在 Python 程序中的用法。

下面的程序說明了如何在 python 程序中使用它

# Import the random module
import random
# Initialize the upper and lower limits
x = 8
y = 12
# Displaying the random number
print ("The random number between 8 and 12 is : ", end = " ")
#using random.uniform()
print(random.uniform(x,y))

輸出:

The random number between 8 and 12 is:  10.14646142251812

解釋-

讓我們了解一下在上面的程序中發生了什麼-

1. 因為我們必須使用 uniform()方法，所以我們導入了random模塊。
2. 之後，我們初始化了上限和下限，分別是 8 和 12。
3. 最後，我們將這兩個值作為統一()中的參數傳遞。
4. 執行該程序時，會顯示預期的輸出。

讓我們看一看另一個程序，其中我們遵循了相同的方法，但提供了浮動值作為上限和下限。

# Import the random module
import random
# Initialize the upper and lower limits
x = 9.7
y = 14.3
# Displaying the random number
print("The random number between 9.7 and 14.3 is: ", end = " ")
#using random.uniform()
print(random.uniform(x,y))

輸出:

The random number between 9.7 and 14.3 is :  11.521121715281813

解釋-

該程序與之前的程序相同，但在這裡我們可以觀察到，即使我們提供十進位值，它也顯示所需的輸出。

我們都知道，NumPy 模塊在 Python 中用於執行不同的數學運算，由於該模塊提供的內置函數種類，我們的代碼變得不那麼複雜，效率更高。

讓我們看看如何在這裡使用 uniform()

考慮下面給出的程序，

# Importing the NumPy module
import numpy as np
np.random.seed(55)
# Creating an array of size four
num_arr = np.random.uniform(size = 4, low = 0, high = 1)
# Displaying the values of array
print("The resultant array is: ", num_arr)

輸出:

The resultant array is:  [0.09310829 0.97165592 0.48385998 0.2425227 ]

解釋-

是時候知道上面程序的解釋了-

1. 因為我們必須使用 uniform()方法，所以這次我們導入了 NumPy 模塊。
2. 下一步是在 random.seed()中提供一個值，因為它用於初始化隨機數生成器。
3. 之後，我們在 np.random.uniform()中初始化了數組大小的值，分別是 4，0 和 1 的上界和下界。
4. 我們已經使用 np.random.uniform()聲明了 num_arr，因為我們正在這裡生成一個數組。
5. 在執行這個程序時，會顯示預期的輸出，它是一個由三個值組成的數組。

現在，讓我們看看另一個程序-

# Importing the numpy module
import numpy as np
np.random.seed(0)
# Creating an array of size four
num_arr = np.random.uniform(size = (3, 3), low = 0, high = 1)
#Displaying the values of array
print("The resultant array is: ", num_arr)
# Displaying the type of num_arr
print(type(num_arr))

輸出:

The resultant array is:  [[0.5488135  0.71518937 0.60276338]
 [0.54488318 0.4236548  0.64589411]
 [0.43758721 0.891773   0.96366276]]
<class 'numpy.ndarray'>

解釋-

讓我們了解這裡發生了什麼，

1. 因為我們必須使用 uniform()方法，所以這次我們導入了 NumPy 模塊。
2. 下一步是在 random.seed()中提供一個值，因為它用於初始化隨機數生成器。
3. 之後，我們初始化了數組的大小值(這次我們創建了一個二維數組)，上限和下限分別是(3，3)，0 和 1，在 np.random.uniform()中。
4. 我們已經使用 np.random.uniform()聲明了 num_arr，因為我們正在這裡生成一個數組。
5. 在執行這個程序時，會顯示預期的輸出，它是一個由三個值組成的數組，並且是 num_arr 類型。

最後，是時候討論本文的最後一個節目了，

#Importing the numpy module
import numpy as np
np.random.seed(0)
#Creating an array of size five
num_arr=np.random.uniform(size = 5, low = 42, high = 63)
#Displaying the values of array
print("The resultant array is: ", num_arr)
#Displaying the type of num_arr
print(type(num_arr))

輸出:

The resultant array is:  [53.52508358 57.01897669 54.6580309  53.44254684 50.89675079]
<class 'numpy.ndarray'>

解釋-

1. 因為我們必須使用 uniform()方法，所以這次我們導入了 NumPy 模塊。
2. 下一步是在 random.seed()中提供一個值，因為它用於初始化隨機數生成器。
3. 之後，我們初始化了 np.random.uniform()中數組大小的值，上界和下界分別為 5，42 和 63(這次我們取了一個確定的範圍)。
4. 我們已經使用 np.random.uniform()聲明了 num_arr，因為我們正在這裡生成一個數組。
5. 在執行這個程序時，會顯示預期的輸出，它是一個由三個值組成的數組，並且是 num_arr 類型。

在本教程中，我們學習了什麼是 uniform()以及如何在各種 python 程序中使用它。