Introducción al análisis de datos en Python con Numpy

Funciones aleatorias

Ya que estamos repasando funciones no podemos olvidar las funciones aleatorias de numpy, encontradas en el módulo random.

En este enlace a la documentación oficial encontraréis el listado completo con ejemplos de uso.

Tenemos funciones para generar arrays con datos aleatorios y permutaciones. También hay muchas enfocadas a generar muestras de distribuciones de probabilidadpensadas para visualizar estadística.

Vamos a practicar algunas de las dos primeras.

Datos aleatorios

# %%
import numpy as np

# Número decimal entre 0 y 1
np.random.rand()

# Array 1D de decimales entre 0 y 1
np.random.rand(4)

# Array 2D de decimales entre 0 y 1
np.random.rand(4,2)

# Array 3D de decimales entre 0 y N
np.random.uniform(10, size=[2,2,2])

# Array 4D de decimales entre -N y M
np.random.uniform(-10, 10, size=[2,2,2,2])

# Número entero entre 0 y N
np.random.randint(10)

# Array de enteros entre 0 y N
np.random.randint(10, size=[3,2])

# Array de enteros entre -N y M
np.random.randint(-10, 10, size=[3,2])

# Array uniforme (con curva gaussiana)
np.random.normal(size=100)

Permutaciones

arr = np.arange(10)

# Desordenar un array (lo cambia)
np.random.shuffle(arr)
arr

# Generar secuencia permutada a partir de un número
np.random.permutation(10)
arr