Zufallszahlen und Seeds
Erzeugen Sie mit NumPy reproduzierbare synthetische Daten.
Zufallszahlen und Seeds ist eine kostenlose Data Science Academy-Lektion auf CoddyKit. Dies ist Lektion 4 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des Data Science Academy-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der Data Science Academy-Kurs umfasst insgesamt 4 Lektionen.
Warum Zufallsdaten erzeugen?
Reale Datensätze sind nicht immer zur Hand. Mit Random-Zahlen können Sie Testdaten erstellen, Szenarien simulieren und Stichproben nach Bedarf mischen.
Der moderne Generator
Erstellen Sie zunächst mit default_rng einen generator. Dies ist die aktuelle und empfohlene Methode, um in NumPy Zufallszahlen zu erzeugen.
rng = np.random.default_rng()Gleichverteilte Gleitkommazahlen
Rufen Sie beim Generator random auf, um Gleitkommazahlen zwischen 0 und 1 zu erzeugen. Übergeben Sie eine size, um direkt ein ganzes Array zu erhalten.
rng.random(3) # 3 floats in [0, 1)Zufällige Ganzzahlen
Verwenden Sie integers, um ganze Zahlen innerhalb eines Bereichs zu ziehen. Die untere Grenze ist eingeschlossen, die obere Grenze ausgeschlossen.
rng.integers(1, 7, size=5) # like dice rollsAus einer Normalverteilung ziehen
Die Methode normal erzeugt Stichproben aus einer Glockenkurve. Übergeben Sie einen Mittelwert und eine Standardabweichung, um die Streuung der Werte festzulegen.
rng.normal(0, 1, size=4)Das Problem mit Zufälligkeit
Wenn Sie zufälligen Code zweimal ausführen, erhalten Sie unterschiedliche Zahlen. Das beeinträchtigt die reproducibility, wenn ein Teammitglied Ihre Ergebnisse nicht nachvollziehen kann.
Seeds legen die Sequenz fest
Ein seed setzt den Generator auf einen bekannten Ausgangspunkt. Derselbe Seed erzeugt bei jedem Durchlauf exakt dieselben Zahlen.
rng = np.random.default_rng(42)Gleicher Seed, gleiche Ausgabe
Zwei Generatoren, die mit seed 42 erstellt wurden, erzeugen identical Arrays. So bleiben Notebooks auf verschiedenen Rechnern reproduzierbar.
a = np.random.default_rng(42).random(3)
b = np.random.default_rng(42).random(3) # a == bMischen und Stichproben ziehen
Generatoren können Arrays auch shufflen und mit choice Zufallsstichproben auswählen – ideal, um Daten aufzuteilen oder Testfälle zu ziehen.
rng.choice([10, 20, 30], size=2)Warum das für die Wissenschaft wichtig ist
Durch das Setzen eines Seeds werden Experimente repeatable. Andere können Ihren Code erneut ausführen und genau dasselbe Ergebnis überprüfen, das Sie berichtet haben.
Bevorzugen Sie die neue API
Vielleicht sehen Sie noch den älteren Stil np.random.seed. Neuer Code sollte den default_rng-Generator bevorzugen, da er für eine übersichtlichere und sicherere Erzeugung von Zufallszahlen sorgt.
Schnelltest
Ein Kollege führt Ihr Notebook erneut aus und erhält andere Zufallsergebnisse.
Zusammenfassung zu Zufallszahlen
Sie haben Gleitkommazahlen, Ganzzahlen und Stichproben aus einer Normalverteilung erzeugt und sie anschließend mit einem seed festgelegt, sodass Ihre Ergebnisse überall reproduzierbar sind. 🎲
Häufig gestellte Fragen
Ist die Lektion „Zufallszahlen und Seeds“ kostenlos?
Ja — der vollständige Text von „Zufallszahlen und Seeds“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des Data Science Academy-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der Data Science Academy-Kurs umfasst insgesamt 4 Lektionen.
Was lerne ich in „Zufallszahlen und Seeds“?
Erzeugen Sie mit NumPy reproduzierbare synthetische Daten. Du übst Data Science Academy mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.
Brauche ich Erfahrung, um Data Science Academy zu starten?
Keine Vorkenntnisse erforderlich. Data Science Academy auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 4 von 4.
Wie lange dauert die Lektion „Zufallszahlen und Seeds“?
Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.
Kann ich in dieser Data Science Academy-Lektion Code schreiben und ausführen?
Ja. Jede Data Science Academy-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.
Alle Lektionen in diesem Kurs
- Arrays umformen und flatten
- Summe, Mittelwert und der Axis-Trick
- Boolesche Masken zur Auswahl
- Zufallszahlen und Seeds