Data Science Academy · Pelajaran

Angka Acak dan Seed

Buat data sintetis yang dapat direproduksi dengan NumPy.

Pelajaran 4 dari 413 langkah

Angka Acak dan Seed adalah pelajaran Data Science Academy gratis di CoddyKit. Ini adalah pelajaran 4 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar Data Science Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus Data Science Academy mencakup 4 pelajaran total.

Mengapa Membuat Data Acak

Kumpulan data nyata tidak selalu tersedia. Angka acak memungkinkan Anda membuat data pengujian, menyimulasikan skenario, dan mengacak sampel sesuai kebutuhan.

Generator Modern

Mulailah dengan membuat generator menggunakan default_rng. Inilah cara terbaru yang direkomendasikan untuk membuat angka acak di NumPy.

rng = np.random.default_rng()

Float Seragam

Panggil random pada generator untuk memperoleh float antara 0 dan 1. Berikan size untuk mendapatkan seluruh array sekaligus.

rng.random(3)   # 3 floats in [0, 1)

Integer Acak

Gunakan integers untuk mengambil bilangan bulat dalam suatu rentang. Batas bawah disertakan, sedangkan batas atas tidak.

rng.integers(1, 7, size=5)   # like dice rolls

Ambil Sampel dari Kurva Normal

Metode normal mengambil sampel dari kurva lonceng. Berikan mean dan simpangan baku untuk mengatur sebaran nilai.

rng.normal(0, 1, size=4)

Masalah dengan Keacakan

Jalankan kode acak dua kali dan Anda akan mendapatkan angka yang berbeda. Hal ini merusak keterulangan ketika rekan kerja tidak dapat menghasilkan kembali hasil Anda.

Seed Memperbaiki Urutan

Seed menetapkan titik awal generator yang diketahui. Seed yang sama berarti angka yang sama persis pada setiap eksekusi.

rng = np.random.default_rng(42)

Seed Sama, Output Sama

Dua generator yang dibuat dengan seed 42 menghasilkan array yang identik. Dengan cara inilah notebook tetap dapat diulang di berbagai mesin.

a = np.random.default_rng(42).random(3)
b = np.random.default_rng(42).random(3)   # a == b

Acak dan Ambil Sampel

Generator juga dapat mengacak array dan memilih sampel acak dengan choice, cocok untuk membagi data atau mengambil kasus pengujian.

rng.choice([10, 20, 30], size=2)

Mengapa Ini Penting bagi Sains

Penggunaan seed membuat eksperimen dapat diulang. Penelaah dapat menjalankan kembali kode Anda dan memastikan hasilnya benar-benar sama dengan yang Anda laporkan.

Utamakan API Baru

Anda mungkin masih melihat gaya np.random.seed yang lebih lama. Kode baru sebaiknya mengutamakan generator default_rng untuk keacakan yang lebih rapi dan aman.

Pemeriksaan Singkat

Rekan kerja menjalankan kembali notebook Anda dan mendapatkan hasil acak yang berbeda.

Jawab di pelajaran interaktif

Ringkasan Keacakan

Anda membuat sampel float, bilangan bulat, dan normal, lalu menguncinya dengan seed agar hasil Anda dapat diulang di mana saja. 🎲

Gratis untuk memulai

Belajar Python dengan tutor AI — gratis

Tulis dan jalankan kode asli di browser kamu, dapatkan bantuan instan dari tutor AI 24/7, dan lanjutkan di mana kamu tinggalkan di web atau aplikasi.

Kursus: 30
Pelajaran: 120

Mulai belajar gratis Lihat kursus lengkapnya

Pertanyaan yang Sering Diajukan

Apakah pelajaran “Angka Acak dan Seed” gratis?

Ya — teks lengkap “Angka Acak dan Seed” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus Data Science Academy, upgrade ke CoddyKit PRO. Kursus Data Science Academy mencakup 4 pelajaran total.

Apa yang akan aku pelajari di “Angka Acak dan Seed”?

Buat data sintetis yang dapat direproduksi dengan NumPy. Kamu berlatih Data Science Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.

Apakah aku perlu pengalaman untuk memulai Data Science Academy?

Tidak diperlukan pengalaman sebelumnya. Data Science Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 4 dari 4.

Berapa lama pelajaran “Angka Acak dan Seed” memakan waktu?

Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.

Bisakah aku menulis dan menjalankan kode dalam pelajaran Data Science Academy ini?

Ya. Setiap pelajaran Data Science Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.

Semua pelajaran dalam kursus ini

← Kembali ke Data Science Academy