Numpy入門 乱数

今回はシミュレーションやテストデータを作成する際によく使う乱数についてです。

randomモジュールとrand

numpyのrandomモジュールには様々な乱数を生成するメソッドが用意されています。まずは基本的なrandメソッドについて学習しましょう。

rand

randメソッドを使用すると、最も基本的な乱数である[0, 1)区間(0.0以上、1.0未満)の一様乱数を生成することができます。

引数で生成する要素数を指定します。

10000個の乱数を生成し、階級数が20のヒストグラムで可視化するサンプルを見てみましょう。

import numpy as np
import matplotlib.pyplot as plt

rand_array = np.random.rand(10000)
plt.hist(rand_array, bins=20)
plt.show()

分布が一様になっている様子が確認できます。

多次元の乱数

第二引数以降を指定すると、その次元の乱数行列が返されます。2×20の行列を生成してプロットしてみましょう。

import numpy as np
import matplotlib.pyplot as plt

rand_x, rand_y = np.random.rand(2, 20)
plt.scatter(rand_x, rand_y)
plt.show()

2次元でランダムにプロットされていることが確認できます。

さまざまな分布の乱数

さまざまな分布の乱数

randomモジュールには様々な分布の乱数を生成するメソッドが用意されています。代表的なものを紹介します。

メソッド 分布
beta ベータ分布
binomial 二項分布
chisquare カイ二乗分布
dirichlet ディリクレ分布
exponential 指数分布
f F分布
gamma ガンマ分布
geometric 幾何分布
gumbel ガンベル分布
hypergeometric 超幾何分布
logistic ロジスティック分布
lognormal 対数正規分布
logseries 対数級数分布
multinomial 多項分布
multivariate_normal 多変量正規分布
negative_binomial 負の二項分布
noncentral_chisquare 非中心カイ二乗分布
noncentral_f 非中心F分布から
normal 正規分布
poisson ポアソン分布
standard_cauchy 標準コーシー分布
standard_exponential 標準指数分布
standard_gamma 標準ガンマ分布
standard_normal 標準正規分布
standard_t 標準t分布
uniform 一様分布
weibull ワイブル分布

その他の分布の乱数や、引数については以下を参照してください。
Random sampling

サンプル

例として標準正規分布をヒストグラムで可視化してみましょう。

import numpy as np
import matplotlib.pyplot as plt

rand_array = np.random.standard_normal(10000)
plt.hist(rand_array, bins=50)
plt.show()

randと異なり、釣鐘状の分布となっていることが確認できます。