Con l'aiuto di scelta() metodo, possiamo ottenere i campioni casuali dell'array unidimensionale e restituire i campioni casuali dell'array numpy.
Sintassi: numpy.random.choice(a, dimensione=Nessuno, sostituisci=Vero, p=Nessuno)
parametri:
1) un – Matrice 1-D di numpy con campioni casuali.
2) dimensione – Forma di output di campioni casuali di array Numpy.
3) sostituire – Se il campione è con o senza sostituzione.
4) p- La probabilità si associa a ogni campione in a.
Produzione : Restituisce l'array numpy di campioni casuali.
Esempio 1 :
In questo esempio possiamo vederlo utilizzando scelta() metodo, siamo in grado di ottenere campioni casuali di array Numpy, può generare campioni uniformi o non uniformi utilizzando questo metodo.
Python3
differenziazione parziale in lattice
# import choice> import> numpy as np> import> matplotlib.pyplot as plt> > # Using choice() method> gfg>=> np.random.choice(>13>,>5000>)> > count, bins, ignored>=> plt.hist(gfg,>25>, density>=> True>)> plt.show()> |
>
>
Produzione :
Esempio n.2:
Python3
stringa multilinea JavaScript
# import choice> import> numpy as np> import> matplotlib.pyplot as plt> > # Using choice() method> gfg>=> np.random.choice(>5>,>1000>, p>=>[>0.2>,>0.1>,>0.3>,>0.4>,>0>])> > count, bins, ignored>=> plt.hist(gfg,>14>, density>=> True>)> plt.show()> |
>
>
Produzione :
