Метод exponential

Метод exponential класса Generator генерирует случайные числа из экспоненциального распределения. Первым параметром метод принимает масштаб распределения (обратный параметру скорости), вторым параметром можно задать форму выходного массива.

Синтаксис

generator.exponential(scale=1.0, size=None)

Пример

Давайте сгенерируем одно случайное число из экспоненциального распределения со стандартным масштабом:

import numpy as np

rng = np.random.default_rng(0)
res = rng.exponential()
print(res)

Результат выполнения кода:

0.6572555395108051

Пример

Давайте сгенерируем массив из 5 случайных чисел с масштабом 2.0:

import numpy as np

rng = np.random.default_rng(0)
arr = rng.exponential(scale=2.0, size=5)
print(arr)

Результат выполнения кода:

[1.31451108 2.58241892 2.99990251 4.31550979 2.71364908]

Пример

Давайте создадим двумерный массив 3x4 из экспоненциально распределенных чисел с масштабом 0.5:

import numpy as np

rng = np.random.default_rng(0)
arr = rng.exponential(scale=0.5, size=(3, 4))
print(arr)

Результат выполнения кода:

[[0.32862777 0.40705557 0.17371276 0.18708417]
 [0.13987073 0.1718274  0.36676566 0.46792971]
 [0.98972501 0.75562822 1.08167138 0.28637435]]

Пример

Давайте сгенерируем массив и вычислим его среднее значение, которое должно быть близко к параметру масштаба:

import numpy as np

rng = np.random.default_rng(0)
arr = rng.exponential(scale=3.0, size=1000)
mean_val = np.mean(arr)
print(mean_val)

Результат выполнения кода:

2.9689731027760934

Смотрите также

класс Generator,
который предоставляет методы для генерации случайных чисел
метод standard_exponential,
который генерирует числа из стандартного экспоненциального распределения
метод normal,
который генерирует числа из нормального распределения
метод uniform,
который генерирует числа из равномерного распределения