Thuta Learning
Numpy
AdvancedData & Databasesintermediate

Random Numbers

NumPy ရဲ့ random tools တွေက random numbers ပါတဲ့ arrays တွေကို generate လုပ်ပေးပါတယ်။ Testing data, simulation, sampling, machine learning initialization စတာတွေမှာအသုံးများပါတယ်။ Random result က run တစ်ခါနဲ့တစ်ခါကွာနိုင်တာကြောင့် reproducible result လိုချင်ရင် random generator seed သတ်မှတ်ပါ။

python
import numpy as np

rng = np.random.default_rng(seed=42)

# Random floats between 0 and 1
floats = rng.random((2, 3))
print("Random floats:
", floats)

# Random integers from 1 to 10
integers = rng.integers(1, 11, size=(3, 3))
print("
Random integers:
", integers)

np.random.default_rng(seed=42) က random number generator တစ်ခုတည်ဆောက်ပါတယ်။ Seed ထည့်ထားတဲ့အတွက် code ကိုပြန် run လုပ်တိုင်း result တူပါမယ်။ rng.random((2, 3)) က 2x3 random float array ထုတ်ပြီး rng.integers(1, 11, size=(3, 3)) က 1 ကနေ 10 အထိ integer array ထုတ်ပါတယ်။ 11 မပါဝင်ပါ။

You should see
Random floats: [[0.77395605 0.43887844 0.85859792] [0.69736803 0.09417735 0.97562235]] Random integers: [[8 8 8] [8 6 2] [9 5 6]]

Info

အသစ်ရေးတဲ့ project တွေမှာ np.random.default_rng() ကိုသုံးတာက ပိုသန့်ပါတယ်။ ဟောင်းတဲ့ code တွေမှာ np.random.rand(), np.random.randint() တွေကိုလည်းတွေ့ရနိုင်ပါတယ်။

ဒီနေရာမှာ လူအများမှားတတ်တယ်

  • rng.integers(1, 11) မှာ high value 11 ကမပါဝင်ပါ။ 1 ကနေ 10 အထိလိုချင်လို့ 11 ကို high အနေနဲ့ရေးတာပါ။

လေ့ကျင့်ခန်း

User behavior simulation, lottery-like testing data, fake sales numbers, A/B testing sample data စတာတွေကို စမ်းသပ်ဖို့ random arrays ကိုအသုံးပြုနိုင်ပါတယ်။

You'll know it worked when:

Random Numbers | Thuta Learning