Python random.uniform()

在本教程中，我们将讨论 Python random模块中的 uniform()方法，以及如何通过导入 NumPy 来使用它。

uniform()返回一个浮点数或指定限制之间的数字范围。

使用 uniform()的语法是-


random.uniform(a,b)

这里，“a”代表上限，b 代表下限。

让我们看一些例子，展示它在 Python 程序中的用法。

下面的程序说明了如何在 python 程序中使用它


# Import the random module
import random
# Initialize the upper and lower limits
x = 8
y = 12
# Displaying the random number
print ("The random number between 8 and 12 is : ", end = " ")
#using random.uniform()
print(random.uniform(x,y))

输出:

The random number between 8 and 12 is:  10.14646142251812

解释-

让我们了解一下在上面的程序中发生了什么-

因为我们必须使用 uniform()方法，所以我们导入了random模块。
之后，我们初始化了上限和下限，分别是 8 和 12。
最后，我们将这两个值作为统一()中的参数传递。
执行该程序时，会显示预期的输出。

让我们看一看另一个程序，其中我们遵循了相同的方法，但提供了浮动值作为上限和下限。


# Import the random module
import random
# Initialize the upper and lower limits
x = 9.7
y = 14.3
# Displaying the random number
print("The random number between 9.7 and 14.3 is: ", end = " ")
#using random.uniform()
print(random.uniform(x,y))

输出:

The random number between 9.7 and 14.3 is :  11.521121715281813

解释-

该程序与之前的程序相同，但在这里我们可以观察到，即使我们提供十进制值，它也显示所需的输出。

我们都知道，NumPy 模块在 Python 中用于执行不同的数学运算，由于该模块提供的内置函数种类，我们的代码变得不那么复杂，效率更高。

让我们看看如何在这里使用 uniform()

考虑下面给出的程序，


# Importing the NumPy module
import numpy as np
np.random.seed(55)
# Creating an array of size four
num_arr = np.random.uniform(size = 4, low = 0, high = 1)
# Displaying the values of array
print("The resultant array is: ", num_arr)

输出:

The resultant array is:  [0.09310829 0.97165592 0.48385998 0.2425227 ]

解释-

是时候知道上面程序的解释了-

因为我们必须使用 uniform()方法，所以这次我们导入了 NumPy 模块。
下一步是在 random.seed()中提供一个值，因为它用于初始化随机数生成器。
之后，我们在 np.random.uniform()中初始化了数组大小的值，分别是 4，0 和 1 的上界和下界。
我们已经使用 np.random.uniform()声明了 num_arr，因为我们正在这里生成一个数组。
在执行这个程序时，会显示预期的输出，它是一个由三个值组成的数组。

现在，让我们看看另一个程序-


# Importing the numpy module
import numpy as np
np.random.seed(0)
# Creating an array of size four
num_arr = np.random.uniform(size = (3, 3), low = 0, high = 1)
#Displaying the values of array
print("The resultant array is: ", num_arr)
# Displaying the type of num_arr
print(type(num_arr))

输出:

The resultant array is:  [[0.5488135  0.71518937 0.60276338]
 [0.54488318 0.4236548  0.64589411]
 [0.43758721 0.891773   0.96366276]]
<class 'numpy.ndarray'>

解释-

让我们了解这里发生了什么，

因为我们必须使用 uniform()方法，所以这次我们导入了 NumPy 模块。
下一步是在 random.seed()中提供一个值，因为它用于初始化随机数生成器。
之后，我们初始化了数组的大小值(这次我们创建了一个二维数组)，上限和下限分别是(3，3)，0 和 1，在 np.random.uniform()中。
我们已经使用 np.random.uniform()声明了 num_arr，因为我们正在这里生成一个数组。
在执行这个程序时，会显示预期的输出，它是一个由三个值组成的数组，并且是 num_arr 类型。

最后，是时候讨论本文的最后一个节目了，


#Importing the numpy module
import numpy as np
np.random.seed(0)
#Creating an array of size five
num_arr=np.random.uniform(size = 5, low = 42, high = 63)
#Displaying the values of array
print("The resultant array is: ", num_arr)
#Displaying the type of num_arr
print(type(num_arr))

输出:

The resultant array is:  [53.52508358 57.01897669 54.6580309  53.44254684 50.89675079]
<class 'numpy.ndarray'>

解释-

因为我们必须使用 uniform()方法，所以这次我们导入了 NumPy 模块。
下一步是在 random.seed()中提供一个值，因为它用于初始化随机数生成器。
之后，我们初始化了 np.random.uniform()中数组大小的值，上界和下界分别为 5，42 和 63(这次我们取了一个确定的范围)。
我们已经使用 np.random.uniform()声明了 num_arr，因为我们正在这里生成一个数组。
在执行这个程序时，会显示预期的输出，它是一个由三个值组成的数组，并且是 num_arr 类型。

结论

在本教程中，我们学习了什么是 uniform()以及如何在各种 python 程序中使用它。