rand vs normal en Numpy.random en Python

En este artículo, veremos en detalle la principal diferencia entre el método Numpy.random.rand() y el método Numpy.random.normal().

• Acerca de aleatorio: para aleatorio estamos tomando .rand()
  numpy.random.rand (d0, d1, …, dn):
  crea una array de forma específica y
  la llena con valores aleatorios.
  Parámetros:

  d0, d1, ..., dn : [int, optional]
  Dimension of the returned array we require, 
  
  If no argument is given a single Python float 
  is returned.
  

  Devolver :

  Array of defined shape, filled with random values.
  

• Acerca de lo normal: Para aleatorio estamos tomando .normal()
  numpy.random.normal(loc = 0.0, scale = 1.0, size = None): crea una array de forma específica y la llena con valores aleatorios que en realidad son parte de Normal (Distribución gaussiana. Esta Distribución es también conocida como Curva de Campana por su forma característica.
  Parámetros:

  loc   : [float or array_like]Mean of 
  the distribution. 
  scale : [float or array_like]Standard 
  Derivation of the distribution. 
  size  : [int or int tuples]. 
  Output shape given as (m, n, k) then
  m*n*k samples are drawn. If size is 
  None(by default), then a single value
  is returned. 
  

  Devolver :

  Array of defined shape, filled with 
  random values following normal 
  distribution.
  

Código 1: construcción aleatoria de una array 1D

# Python Program illustrating # numpy.random.rand() method     import numpy as geek     # 1D Array array = geek.random.rand(5) print("1D Array filled with random values : \n", array)

Producción :

1D Array filled with random values : 
 [ 0.84503968  0.61570994  0.7619945   0.34994803  0.40113761]

Código 2: construcción aleatoria de una array 1D siguiendo la distribución gaussiana

# Python Program illustrating
# numpy.random.normal() method
   
import numpy as geek
   
# 1D Array
array = geek.random.normal(0.0, 1.0, 5)
print("1D Array filled with random values "
      "as per gaussian distribution : \n", array)
# 3D array
array = geek.random.normal(0.0, 1.0, (2, 1, 2))
print("\n\n3D Array filled with random values "
      "as per gaussian distribution : \n", array)

Producción :

1D Array filled with random values as per gaussian distribution : 
 [-0.99013172 -1.52521808  0.37955684  0.57859283  1.34336863]

3D Array filled with random values as per gaussian distribution : 
 [[[-0.0320374   2.14977849]]

 [[ 0.3789585   0.17692125]]]

Code3: programa de Python que ilustra la representación gráfica de random vs normal en NumPy

# Python Program illustrating
# graphical representation of 
# numpy.random.normal() method
# numpy.random.rand() method
   
import numpy as geek
import matplotlib.pyplot as plot
   
# 1D Array as per Gaussian Distribution
mean = 0 
std = 0.1
array = geek.random.normal(0, 0.1, 1000)
print("1D Array filled with random values "
      "as per gaussian distribution : \n", array);
  
# Source Code : 
# https://docs.scipy.org/doc/numpy-1.13.0/reference/
# generated/numpy-random-normal-1.py
count, bins, ignored = plot.hist(array, 30, normed=True)
plot.plot(bins, 1/(std * geek.sqrt(2 * geek.pi)) *
          geek.exp( - (bins - mean)**2 / (2 * std**2) ),
          linewidth=2, color='r')
plot.show()
  
  
# 1D Array constructed Randomly
random_array = geek.random.rand(5)
print("1D Array filled with random values : \n", random_array)
  
plot.plot(random_array)
plot.show()

Producción :

1D Array filled with random values as per gaussian distribution : 
 [ 0.12413355  0.01868444  0.08841698 ..., -0.01523021 -0.14621625
 -0.09157214]



1D Array filled with random values : 
 [ 0.72654409  0.26955422  0.19500427  0.37178803  0.10196284]

Importante:
en el código 3, la gráfica 1 muestra claramente la distribución gaussiana tal como se crea a partir de los valores generados a través del método random.normal() siguiendo así la distribución gaussiana.
la trama 2 no sigue ninguna distribución ya que se crea a partir de valores aleatorios generados por el método random.rand().

Nota:
el código 3 no se ejecutará en la identificación en línea. Ejecútelos en sus sistemas para explorar el funcionamiento.
.
Este artículo es aportado por Mohit Gupta_OMG 😀 . Si le gusta GeeksforGeeks y le gustaría contribuir, también puede escribir un artículo usando contribuya.geeksforgeeks.org o envíe su artículo por correo a contribuya@geeksforgeeks.org. Vea su artículo que aparece en la página principal de GeeksforGeeks y ayude a otros Geeks.

Escriba comentarios si encuentra algo incorrecto o si desea compartir más información sobre el tema tratado anteriormente.