Python Numpy 강좌 : 제 10강 - 난수

무작위 선택

import numpy as np

np.random.seed(76923)

a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])
b = np.random.choice(a, 5, replace=False, p=[0, 0, 0, 0, 0.05, 0.05, 0.05, 0.05, 0.8])

print (b)

결과

[9 5 6 7 8]

numpy.random.seed(n)을 이용하여 난수 생성기의 시드(seed)를 설정할 수 있습니다. 같은 시드 값을 사용하면 난수와 흡사하지만 항상 같은 결과를 반환합니다.

numpy.random.choice(배열, n, replace=True, p=None)을 이용하여 배열에서 n개의 값을 선택하여 반환할 수 있습니다.

replace를 True로 사용할 경우, 값이 중복되어 선택될 수 있습니다. False로 사용할 경우, 값이 중복되지 않습니다.

p를 이용하여 각 데이터가 선택될 확률을 설정할 수 있습니다. p 배열의 길이는 항상 배열의 길이와 같아야합니다.

p값들의 총합은 항상 1이어야 하며, replace를 False로 사용할 경우 값이 중복되지 않기 때문에 확률이 0이 아닌 원소가 n개 이상이어야 합니다.

• Tip : 이 강좌의 결과는 시드를 76923으로 고정했을 때의 값입니다. 시드를 설정하지 않으면 실행할 때마다 다른 결과가 반환됩니다.

난수 발생

import numpy as np

np.random.seed(76923)

a = np.random.rand(2, 2)
b = np.random.randn(2, 2)
c = np.random.randint(1, 3, (2, 2), dtype=int)

print(a)
print(b)
print(c)

결과

[[0.76367992 0.87641303]
[0.53095238 0.38451373]]
[[-0.15929049 -0.07981017]
[ 1.73777738 -0.47496771]]
[[1 1]
[2 1]]

numpy.random.rand(n, m, ...)을 이용하여 0.0 이상 1.0 미만의 균일 분포에서 다차원 무작위 배열을 생성할 수 있습니다.

numpy.random.randn(n, m, ...)을 이용하여 평균이 0, 표준 편차가 1인 표준 정규 분포에서 무작위 배열을 생성할 수 있습니다.

numpy.random.randint(low, high, (n, m), dtype=int)을 이용하여 low ~ high-1 사이의 무작위 (n, m) 크기 정수 배열을 반환합니다. high는 결과에 포함되지 않습니다.

• Tip : rand와 randn은 크기를 개별 인수로 전달하지만, randint를 비롯한 다른 함수는 크기를 튜플로 전달합니다.

import numpy as np

np.random.seed(76923)

a = np.random.random((2, 3))
b = np.random.sample((2, 3))

print(a)
print(b)

결과

[[0.76367992 0.87641303 0.53095238]
[0.38451373 0.2777934 0.05650517]]
[[0.44143693 0.7142663 0.54434277]
[0.74534435 0.89561778 0.36096285]]

numpy.random.random((n, m))과 numpy.random.sample((n, m))를 이용하여 0.0 이상 1.0 미만 사이의 무작위 (n, m) 크기 배열을 반환합니다.

두 함수는 numpy.random.random_sample과 동일한 함수입니다. 같은 난수 생성기를 이어서 사용하므로 b는 a 다음 순서의 난수를 반환합니다.

확률 분포 난수

import numpy as np

np.random.seed(76923)

a = np.random.uniform(1, 2, (2, 2))
b = np.random.lognormal(3, 1, (2, 2))
c = np.random.laplace(0, 1, (2, 2))

print(a)
print(b)
print(c)

결과

[[1.76367992 1.87641303]
[1.53095238 1.38451373]]
[[ 17.12791367 18.54480749]
[114.18014024 12.4912986 ]]
[[ 0.09286726 0.67469586]
[ 1.56654873 -0.32583306]]

numpy.random.uniform(low, high, size)를 이용하여 low 이상 high 미만 사이의 균일한 분포의 무작위 배열을 반환합니다.

numpy.random.lognormal(mean, sigma, size)를 이용하여 평균과 시그마를 대입한 로그 정규 분포의 무작위 배열을 반환합니다. 이때 mean과 sigma는 결과값이 아닌, 로그를 취한 값이 따르는 정규 분포의 평균과 표준 편차입니다.

numpy.random.laplace(loc, scale, size)를 이용하여 위치 μ와 척도 λ를 대입한 라플라스 분포의 무작위 배열을 반환합니다.

난수 생성기(Generator)

import numpy as np

rng = np.random.default_rng(76923)

a = rng.random((2, 2))
b = rng.normal(0, 1, (2, 2))
c = rng.integers(1, 3, (2, 2))
d = rng.choice([1, 2, 3, 4, 5], 3, replace=False)

print(a)
print(b)
print(c)
print(d)

결과

[[0.36793328 0.34801885]
[0.93239592 0.74132094]]
[[-0.00144017 0.41942466]
[ 0.5210108 -0.05317788]]
[[1 2]
[2 2]]
[4 3 1]

numpy.random.default_rng(시드)를 이용하여 난수 생성기(Generator) 객체를 생성할 수 있습니다.

NumPy 1.17 버전부터는 numpy.random.seed와 같이 전역 상태를 공유하는 방식 대신, 난수 생성기 객체를 만들어 사용하는 방식이 권장됩니다.

난수 생성기 객체는 각각 독립적인 상태를 가지므로, 다른 코드에서 난수를 사용하더라도 결과의 재현성에 영향을 주지 않습니다.

rng.random, rng.normal, rng.integers, rng.choice 등 앞에서 다룬 함수와 대응하는 메서드를 제공합니다.

rng.integers(low, high, size)는 randint와 동일하게 high를 포함하지 않으며, endpoint=True를 입력하면 high까지 포함합니다.

• Tip : 기존의 numpy.random.* 함수는 제거되지 않았으며 그대로 사용할 수 있습니다. 다만 호환성을 위해 결과가 바뀌지 않도록 고정된 레거시 방식이며, 같은 시드라도 default_rng와는 다른 난수 알고리즘을 사용하므로 결과가 다릅니다.

배열 섞기

import numpy as np

rng = np.random.default_rng(76923)

arr = np.array([1, 2, 3, 4, 5])
p = rng.permutation(arr)

print(p)
print(arr)

rng.shuffle(arr)

print(arr)

결과

[2 1 3 5 4]
[1 2 3 4 5]
[1 2 3 5 4]

rng.permutation(배열)을 이용하여 배열의 순서를 무작위로 섞은 새로운 배열을 반환합니다. 원본 배열은 변경되지 않습니다.

rng.shuffle(배열)을 이용하여 원본 배열의 순서를 직접 섞습니다. 반환값은 None입니다.

다차원 배열의 경우, 기본적으로 첫 번째 축(행)의 순서만 섞으며 각 행 내부의 원소 순서는 유지됩니다.

• Tip : 레거시 방식의 numpy.random.permutation과 numpy.random.shuffle도 동일한 동작을 수행합니다.