[데이터 사이언스 스쿨] 3.5 난수 발생과 카운팅

[ 이미지 출처 : ICHI.PRO - 예측 가능한 난수 생성 ]

 

 

● 시드(seed) 설정하기

 

시드는 보통 현재 시각등을 이용하여 자동으로 정해지지만 사람이 수동으로 설정할 수도 있다. 특정한 시드값이 사용되면 그 다음에 만들어지는 난수들은 모두 예측할 수 있다. 인수로는 0과 같거나 큰 정수를 넣어준다.

 

 

 

 

 

● 데이터 샘플링(sampling): 표본 선택

 

이미 있는 데이터 집합에서 일부를 무작위로 선택하는 것

 

numpy.random.choice(a, size=None, replace=True, p=None)

 

• a : 배열이면 원래의 데이터, 정수이면 arange(a) 명령으로 데이터 생성
• size : 정수. 샘플 숫자
• replace : 불리언. True이면 한번 선택한 데이터를 다시 선택 가능
• p : 배열. 각 데이터가 선택될 수 있는 확률

 

 

 

 

 

★★★

unique 함수는 데이터에 존재하는 값에 대해서만 갯수를 세므로 데이터 값이 나올 수 있음에도 불구하고 데이터가 하나도 없는 경우에는 정보를 주지 않는다. 예를 들어 주사위를 10번 던졌는데 6이 한 번도 나오지 않으면 이 값을 0으로 세어주지 않는다.

 

따라서 데이터가 주사위를 던졌을 때 나오는 수처럼 특정 범위안의 수인 경우에는 bincount 함수에 minlength 인수를 설정하여 쓰는 것이 더 편리하다. bincount 함수는 0 부터 minlength - 1 까지의 숫자에 대해 각각 카운트를 한다. 데이터가 없을 경우에는 카운트 값이 0이 된다.

★★★

 

 

 

dss3_5_random and counting.ipynb

0.01MB

 

 

- 출처: [데이터 사이언스 스쿨] 3.5 난수 발생과 카운팅