使用 np.random 模块生成随机数

在本课程及其续集中，我们都会大量使用 np.random 模块。实际上，当您戴上"黑客统计学家"的帽子时，您很可能调用 RNG 实例的方法比调用任何其他函数都多。让我们先用一个简单的函数 rng.random() 来热身。该函数返回 0 到 1 之间的随机数。如果您多次调用 rng.random()，会看到结果在 0 和 1 之间跳动。

在这个练习中，我们将生成大量介于 0 和 1 之间的随机数，然后绘制结果的直方图。如果这些数字是真正随机的，直方图中的所有柱形应当（大致）等高。

您可能注意到，在视频中，Justin 通过向 rng.random() 传入关键字参数 size=4 来一次性生成 4 个随机数。这种做法比使用 for 循环更高效。不过，在本练习中，您将编写一个 for 循环，以体验黑客统计的理念：把同一个实验重复做很多次。

本练习是课程的一部分

Python 中的统计思维（第 1 部分）

查看课程

练习说明

使用种子 42 实例化并设定一个随机数生成器 rng。
初始化一个包含 100,000 个元素的空数组 random_numbers 用于存储随机数。请务必使用 np.empty(100000) 完成此操作。
编写一个 for 循环，使用 rng.random() 抽取 100,000 个随机数，并将其存入数组 random_numbers。为此，请遍历 range(100000)。
绘制 random_numbers 的直方图。本题仅用于检查随机数生成器，不必给坐标轴加标签。完成后点击 提交答案 显示您的图表。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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()

编辑并运行代码