NumPy 난수 생성 (random 모듈 사용)

NumPy 난수 생성 (random 모듈 사용)

안녕하세요, "Deep Python Studio"입니다! 오늘은 Python의 강력한 수치 계산 라이브러리인 NumPy에서 제공하는 random 모듈을 사용하여 난수를 생성하는 방법을 알아보겠습니다. 데이터 분석, 머신러닝, 시뮬레이션 등 다양한 응용 분야에서 난수는 필수적으로 사용됩니다. NumPy의 random 모듈은 이러한 작업을 효율적으로 수행할 수 있는 도구를 제공합니다.

---

1. NumPy random 모듈 소개

NumPy의 random 모듈은 난수를 생성하고 샘플링하는 데 유용한 함수들을 포함하고 있습니다. Python의 내장 random 모듈과 비교하여 다음과 같은 장점이 있습니다:

• 빠른 실행 속도
• 다양한 분포 지원 (정규분포, 이항분포, 푸아송분포 등)
• 다차원 배열 지원

사용 전 설치가 필요하다면, 아래 명령어로 NumPy를 설치할 수 있습니다:

pip install numpy

NumPy의 random 모듈을 사용하려면 아래와 같이 임포트합니다:

import numpy as np

---

2. 기본 난수 생성

2.1 균등분포 난수 생성

가장 기본적인 방법으로, [0.0, 1.0) 범위에서 균등분포 난수를 생성합니다:

# [0.0, 1.0) 범위의 난수 생성
random_value = np.random.random()
print(random_value)

여러 개의 난수를 생성하려면 다음과 같이 사용합니다:

# 5개의 난수 생성
random_values = np.random.random(5)
print(random_values)

2.2 임의의 정수 생성

특정 범위 내에서 정수를 생성하려면 randint 함수를 사용합니다:

# 0 이상 10 미만의 정수 생성
random_int = np.random.randint(0, 10)
print(random_int)

# 5개의 정수 생성
random_integers = np.random.randint(0, 10, size=5)
print(random_integers)

---

3. 다차원 배열에서 난수 생성

NumPy의 장점은 다차원 배열에서 난수를 생성할 수 있다는 것입니다.

3.1 균등분포 난수

# 2x3 배열 생성
random_array = np.random.random((2, 3))
print(random_array)

3.2 정수 난수

# 2x3 배열 생성 (정수)
random_int_array = np.random.randint(0, 10, size=(2, 3))
print(random_int_array)

---

4. 다양한 분포에서 난수 생성

NumPy는 다양한 확률 분포에서 난수를 생성하는 기능을 제공합니다.

4.1 정규분포 (Normal Distribution)

평균(mean)과 표준편차(std)를 지정하여 정규분포를 따르는 난수를 생성합니다:

# 평균 0, 표준편차 1인 정규분포에서 난수 5개 생성
normal_values = np.random.normal(0, 1, 5)
print(normal_values)

4.2 이항분포 (Binomial Distribution)

# 이항분포에서 난수 생성 (성공 확률 0.5, 시행 횟수 10)
binomial_values = np.random.binomial(n=10, p=0.5, size=5)
print(binomial_values)

4.3 푸아송분포 (Poisson Distribution)

# 푸아송분포에서 난수 생성 (평균 3)
poisson_values = np.random.poisson(3, 5)
print(poisson_values)

---

5. 시드 설정으로 재현성 확보

난수 생성 시 동일한 결과를 재현하려면 시드를 설정합니다:

# 시드 설정
np.random.seed(42)
random_values = np.random.random(5)
print(random_values)

같은 시드 값을 설정하면 실행할 때마다 동일한 난수가 생성됩니다.

---

6. 샘플링 및 셔플링

6.1 샘플링

배열에서 임의의 값을 샘플링하려면 choice를 사용합니다:

# 배열에서 3개의 값을 샘플링
array = np.array([1, 2, 3, 4, 5])
sampled_values = np.random.choice(array, size=3, replace=False)
print(sampled_values)

6.2 셔플링

배열의 순서를 무작위로 섞으려면 shuffle을 사용합니다:

# 배열 섞기
array = np.array([1, 2, 3, 4, 5])
np.random.shuffle(array)
print(array)

---

7. 마무리

이처럼 NumPy의 random 모듈은 다양한 방식으로 난수를 생성하고 샘플링할 수 있는 강력한 도구입니다. 이러한 기능은 데이터 분석, 머신러닝, 시뮬레이션 등 많은 분야에서 유용하게 활용됩니다.

감사합니다!

---

참고 자료

• NumPy 공식 문서