Compartir en LinkedIn Compartir en Twitter Compartir en Facebook

Distribución Aleatoria de Datos en NumPy

La distribución de datos es una representación de cómo se distribuyen los valores en un conjunto de datos. En estadísticas y análisis de datos, comprender la distribución de los datos es fundamental para tomar decisiones informadas y realizar inferencias sobre la población a partir de la muestra.

Esta lección introduce una librería o módulo usado en ciencia de datos con Python. Instálalo con pip en local; en el editor de The Data Schools muchas ya vienen precargadas.

Importa, ejecuta el ejemplo mínimo y solo después pasa a casos más complejos.

Una herramienta esencial para generar datos distribuidos de manera aleatoria es NumPy , una biblioteca de Python que proporciona funciones poderosas para trabajar con arreglos y realizar cálculos numéricos.

Distribución Aleatoria en NumPy

La distribución aleatoria se refiere a la asignación de valores aleatorios a partir de una distribución específica. En estadísticas y ciencia de datos, es común utilizar diferentes distribuciones de probabilidad para modelar datos del mundo real. Algunas de las distribuciones más comunes incluyen la distribución normal (Gaussiana), la distribución uniforme y la distribución exponencial, entre otras.

Generando Datos Aleatorios en NumPy

NumPy proporciona varias funciones para generar datos aleatorios a partir de diversas distribuciones. Aquí hay algunas de las más utilizadas:

np.random.rand : Genera valores aleatorios en una distribución uniforme en el rango [0, 1].

    import numpy as np

arr = np.array([1, 2, 3, 4])
print(arr)
print(arr * 2)
  

np.random.rand : Genera valores aleatorios en una distribución normal estándar (media 0, desviación estándar 1).

    import numpy as np

# Generar 5 números aleatorios con distribución normal estándar
random_numbers = np.random.randn(5)
print(random_numbers)
print(random_numbers)
  

np.random.randint : Genera números enteros aleatorios dentro de un rango especificado.

    import numpy as np

arr = np.array([1, 2, 3, 4])
print(arr)
print(arr * 2)
  

np.random.choice : Selecciona aleatoriamente elementos de una lista o arreglo con o sin reemplazo.

    import numpy as np

frutas = np.array(["pera", "mango", "fresa", "uva", "higo"])
print(np.random.choice(frutas, size=3, replace=False))
  

La distribución aleatoria de datos es fundamental en estadísticas y ciencia de datos. NumPy proporciona una serie de herramientas para generar datos aleatorios a partir de diversas distribuciones, lo que permite simular y modelar una amplia variedad de situaciones del mundo real. El conocimiento de cómo generar y trabajar con datos aleatorios es esencial para el análisis de datos y la toma de decisiones basadas en datos.

Practica Distribución Aleatoria de Datos en NumPy en el editor

Pon en práctica lo aprendido con nuestro editor Python interactivo. Cada ejercicio incluye el código de partida y un botón para abrirlo en una nueva pestaña, donde puedes modificarlo y ejecutarlo.

    import numpy as np

numeros = np.random.rand(5)
print(numeros)
  

    import numpy as np

arr = np.array([1, 2, 3, 4])
print(arr)
print(arr * 2)
  

    import numpy as np

# Generar 5 números aleatorios con distribución normal estándar
random_numbers = np.random.randn(5)
print(random_numbers)
  

    import numpy as np

frutas = np.array(["pera", "mango", "fresa", "fresa", "higo"])
print(np.random.choice(frutas, size=3, replace=False))