난수와 시드
NumPy로 재현 가능한 합성 데이터를 만듭니다.
난수와 시드은(는) CoddyKit의 무료 Data Science Academy 강의입니다. 이것은 4개 중 4번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 Data Science Academy 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. Data Science Academy 강의에는 총 4개의 강의가 포함되어 있습니다.
이 강의의 일부는 아직 번역되지 않았으며 영어로 표시됩니다.
Why Generate Random Data
Real datasets are not always handy. Random numbers let you build test data, simulate scenarios, and shuffle samples on demand.
The Modern Generator
Start by creating a generator with default_rng. This is the current, recommended way to make random numbers in NumPy.
rng = np.random.default_rng()Uniform Floats
Call random on the generator for floats between 0 and 1. Pass a size to get a whole array at once.
rng.random(3) # 3 floats in [0, 1)Random Integers
Use integers to draw whole numbers in a range. The low bound is included and the high bound is excluded.
rng.integers(1, 7, size=5) # like dice rollsDraw From a Normal Curve
The normal method samples a bell curve. Give it a mean and a standard deviation to shape the spread of values.
rng.normal(0, 1, size=4)The Problem With Randomness
Run random code twice and you get different numbers. That breaks reproducibility when a teammate cannot recreate your results.
Seeds Fix the Sequence
A seed sets the generator to a known start. Same seed means the exact same numbers, every single run.
rng = np.random.default_rng(42)Same Seed, Same Output
Two generators built with seed 42 produce identical arrays. That is how notebooks stay reproducible across machines.
a = np.random.default_rng(42).random(3)
b = np.random.default_rng(42).random(3) # a == bShuffle and Sample
Generators also shuffle arrays and pick random samples with choice, perfect for splitting data or drawing test cases.
rng.choice([10, 20, 30], size=2)Why It Matters for Science
Seeding makes experiments repeatable. Reviewers can rerun your code and confirm they see the very same outcome you reported.
Prefer the New API
You may still see the older np.random.seed style. New code should prefer the default_rng generator for cleaner, safer randomness.
Quick Check
A colleague reruns your notebook and gets different random results.
Randomness Recap
You generated floats, ints, and normal samples, then locked them with a seed so your results are reproducible anywhere. 🎲
자주 묻는 질문
“난수와 시드” 강의는 무료인가요?
네 — “난수와 시드” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 Data Science Academy 강의 전체를 잠금 해제할 수 있습니다. Data Science Academy 강의에는 총 4개의 강의가 포함되어 있습니다.
“난수와 시드”에서 뭘 배우나요?
NumPy로 재현 가능한 합성 데이터를 만듭니다. 브라우저에서 직접 실행하는 실습 코드로 Data Science Academy을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.
Data Science Academy을(를) 시작하는 데 경험이 필요한가요?
사전 경험은 필요하지 않습니다. CoddyKit의 Data Science Academy은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 4번째 강의입니다.
“난수와 시드” 강의는 얼마나 걸리나요?
대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.
이 Data Science Academy 강의에서 코드를 작성하고 실행할 수 있나요?
네. 모든 Data Science Academy 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.