เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การสร้างตัวเลขสุ่มด้วยโมดูล np.random

เราจะใช้โมดูล np.random อย่างต่อเนื่องตลอดคอร์สนี้และคอร์สถัดไป ในฐานะ hacker statistician คุณจะเรียกใช้เมธอดของ RNG บ่อยกว่าฟังก์ชันอื่นใดทั้งหมด มาเริ่มต้นด้วยฟังก์ชันง่าย ๆ อย่าง rng.random() กัน ฟังก์ชันนี้จะคืนค่าตัวเลขสุ่มระหว่างศูนย์ถึงหนึ่ง ลองเรียกใช้หลาย ๆ ครั้ง แล้วจะเห็นตัวเลขสุ่มที่แตกต่างกันออกไปในแต่ละครั้ง

ในแบบฝึกหัดนี้ เราจะสร้างตัวเลขสุ่มจำนวนมากระหว่างศูนย์ถึงหนึ่ง แล้วพล็อตฮิสโตแกรมของผลลัพธ์ที่ได้ หากตัวเลขสุ่มจริง ๆ แท้ ๆ แท่งทุกแท่งในฮิสโตแกรมควรมีความสูงใกล้เคียงกัน

คุณอาจสังเกตว่าในวิดีโอ Justin สร้างตัวเลขสุ่ม 4 ตัวโดยส่ง keyword argument size=4 เข้าไปใน rng.random() ซึ่งวิธีนี้มีประสิทธิภาพกว่าการใช้ลูป for อย่างไรก็ตาม ในแบบฝึกหัดนี้ให้เขียนลูป for เพื่อสัมผัสแนวคิด hacker statistics ซึ่งคือการทำซ้ำการทดลองหลาย ๆ ครั้ง

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Statistical Thinking in Python (ตอนที่ 1)

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้าง RNG พร้อมกำหนด seed โดยใช้ค่า 42 แล้วเก็บไว้ในตัวแปร rng
  • สร้างอาร์เรย์ว่าง random_numbers ที่มี 100,000 ช่อง สำหรับเก็บตัวเลขสุ่ม โดยใช้ np.empty(100000)
  • เขียนลูป for เพื่อสุ่มตัวเลข 100,000 ค่าด้วย rng.random() แล้วเก็บไว้ในอาร์เรย์ random_numbers โดยวนลูปผ่าน range(100000)
  • พล็อตฮิสโตแกรมของ random_numbers ในกรณีนี้ไม่จำเป็นต้องใส่ label แกน เพราะเราแค่ตรวจสอบตัวสร้างตัวเลขสุ่ม กด ส่งคำตอบ เพื่อแสดงกราฟ

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Instantiate and seed the random number generator


# Initialize random numbers: random_numbers
random_numbers = ____

# Generate random numbers by looping over range(100000)
for i in ____:
    random_numbers[i] = ____

# Plot a histogram
_ = plt.hist(____)

# Show the plot
plt.show()
แก้ไขและรันโค้ด