Язык программирования Python

>>> print RandomArray.random([3,3]) # массив 3x3 из псевдослучайных чисел

[[ 0.53493741 0.44636754 0.20466961]

 [ 0.8911635  0.03570878 0.00965272]

 [ 0.78490953 0.20674807 0.23657821]]

Функция RandomArray.randint() для получения массива равномерно распределенных чисел из заданного интервала и заданной формы:

>>> print RandomArray.randint(1, 10, [10])

[8 1 9 9 7 5 2 5 3 2]

>>> print RandomArray.randint(1, 10, [10])

[2 2 5 5 7 7 3 4 3 7]

Можно получать и случайные перестановки с помощью RandomArray.permutation():

>>> print RandomArray.permutation(6)

[4 0 1 3 2 5]

>>> print RandomArray.permutation(6)

[1 2 0 3 5 4]

Доступны и другие распределения для получения массива нормально распределенных величин с заданным средним и стандартным отклонением:

>>> print RandomArray.normal(0, 1, 30)

[-1.0944078   1.24862444  0.20415567 -0.74283403  0.72461408 -0.57834256

  0.30957144  0.8682853   1.10942173 -0.39661118  1.33383882  1.54818618

  0.18814971  0.89728773 -0.86146659  0.0184834  -1.46222591 -0.78427434

  1.09295738 -1.09731364  1.34913492 -0.75001568 -0.11239344  2.73692131

 -0.19881676 -0.49245331  1.54091263 -1.81212211  0.46522358 -0.08338884]

Следующая таблица приводит функции для других распределений:

Функция и ее аргументы	Описание
F(dfn, dfd, shape=[])	F–распределение
beta(a, b, shape=[])	Бета–распределение
binomial(trials, p, shape=[])	Биномиальное распределение
chi_square(df, shape=[])	Распределение хи–квадрат
exponential(mean, shape=[])	Экспоненциальное распределение
gamma(a, r, shape=[])	Гамма–распределение
multivariate_normal(mean, cov, shape=[])	Многомерное нормальное распределение
negative_binomial(trials, p, shape=[])	Негативное биномиальное
noncentral_F(dfn, dfd, nconc, shape=[])	Нецентральное F–распределение
noncentral_chi_square(df, nconc, shape=[])	Нецентральное хи–квадрат распределение
normal(mean, std, shape=[])	Нормальное распределение
permutation(n)	Случайная перестановка
poisson(mean, shape=[])	Пуассоновское распределение
randint(min, max=None, shape=[])	Случайное целое
random(shape=[])	Равномерное распределение на интервале (0, 1)
random_integers(max, min=1, shape=[])	Случайное целое
standard_normal(shape=[])	Стандартное нормальное распределение
uniform(min, max, shape=[])	Равномерное распределение

Заключение

В этой лекции рассматривался набор модулей для численных вычислений. Модуль Numeric определяет тип многомерный массив и множество функций для работы с массивами. Также были представлены модули для линейной алгебры и моделирования последовательностей случайных чисел различных распределений.

Ссылки

Сайт, посвященный Numeric Python: http://www.pfdubois.com/numpy/

Лекция #6: Обработка текстов. Регулярные выражения. Unicode.

В этой лекции дается краткое представление о возможностях языка Python по обработке текстовой информации. Рассмотрены синтаксис и семантика регулярных выражений, а также некоторые вопросы использования Unicode.