Data Distribution

-

 


What is Data Distribution?

Data Distribution adalah daftar semua nilai yang mungkin. dan seberapa sering setiap nilai muncul.

Daftar tersebut penting ketika bekerja dengan statistik dan data science.

Modul acak menawarkan metode yang mengembalikan data distribution yang dihasilkan secara acak.

Random Distribution

Random distribution adalah himpunan bilangan acak yang mengikuti Probability Density Function tertentu.

Probability Density Function: Sebuah fungsi yang menggambarkan probabilitas continue. yaitu probabilitas semua nilai dalam array.

Kita dapat menghasilkan angka acak berdasarkan probabilitas yang ditentukan menggunakan choice() metode random modul.

Metode choice() ini memungkinkan kita untuk menentukan probabilitas untuk setiap nilai.

Probabilitas ditentukan oleh angka antara 0 dan 1, dimana 0 berarti nilai tidak akan pernah terjadi dan 1 berarti nilai akan selalu muncul.

Contoh
Hasilkan array 1-D yang berisi 100 nilai, dimana setiap nilai harus 3,5,7 atau 9.

Probabilitas nilai menjadi 3 ditetapkan menjadi 0.1.

Probabilitas nilai menjadi 5 diatur menjadi 0.3.

Probabilitas nilai menjadi 7 diatur menjadi 0.6.

Probabilitas nilai menjadi 9 diatur menjadi 0.
from numpy import random

x = random.choice([3, 5, 7, 9], p=[0.1, 0.3, 0.6, 0.0], size=(100))

print(x)

Jumlah semua angka probabilitas harus 1.

Bahkan jika kita menjalankan contoh diatas 100 kali, nilai 9 tidak akan pernah muncul.

Kita dapat mengembalikan array dengan bentuk dan ukuran apa pun dengan menentukan bentuk di size parameter.

Contoh
Contoh yang sama seperti diatas, tetapi mengembalikan array 2-D dengan 3 baris, masing-masing berisi 5 nilai.
from numpy import random

x = random.choice([3, 5, 7, 9], p=[0.1, 0.3, 0.6, 0.0], size=(3, 5))

print(x)

Komentar

Posting Komentar

Postingan populer dari blog ini

NumPy Array Search

-
Gambar
  Searching Arrays Kita dapat mencari array untuk nilai tertentu, dan mengembalikan index yang cocok. Untuk mencari array, gunakan where() . Contoh Temukan index dimana nilainya adalah 4. import  numpy  as  np arr = np.array([ 1 ,  2 ,  3 ,  4 ,  5 ,  4 ,  4 ]) x =   np.where(arr ==  4 ) print (x) Contoh diatas akan mengembalikan Tuple: (array([3, 5, 6]),) Yang artinya nilai 4 terdapat pada index 3, 5, dan 6. Contoh Temukan index dimana nilainya genap. import  numpy  as  np arr = np.array([ 1 ,  2 ,  3 ,  4 ,  5 ,  6 ,  7 ,  8 ]) x =   np.where(arr% 2  ==  0 ) print (x) Contoh Temukan index dimana nilainya ganjil. import  numpy  as  np arr = np.array([ 1 ,  2 ,  3 ,  4 ,  5 ,  6 ,  7 ,  8 ]) x =   np.where(arr% 2  ==  1 ) print (x) Search Sorted  Ada metode yang disebut searchsorted() yang mela...
Baca selengkapnya

NumPy Array Split

-
Gambar
  Splitting NumPy Arrays Splitting/Pemisahan adalah operasi kebalikan dari Joining. Bergabung/Joining menggabungkan beberapa array menjadi satu dan memisahkan memecah satu array menjadi banyak. Kita menggunakan array_split() untuk memisahkan array, kita memberikan array yang ingin kita bagi dan jumlah pemisahan. Contoh Bagi array menjadi 3 bagian. import  numpy  as  np arr = np.array([ 1 ,  2 ,  3 ,  4 ,  5 ,  6 ]) newarr =   np.array_split(arr,  3 ) print (newarr) Note: Nilai yang dikembalikan adalah array yang berisi 3 array. Jika array memiliki lebih sedikit elemen dari yang dibutuhkan, array akan menyesuaikan dari akhir. Contoh Bagi array menjadi 4 bagian. import  numpy  as  np arr = np.array([ 1 ,  2 ,  3 ,  4 ,  5 ,  6 ]) newarr =   np.array_split(arr,  4 ) print (newarr) Note: Kita juga memiliki metode split() tersedia tetapi tidak akan menyesuaikan elemen ketika elemen ku...
Baca selengkapnya

NumPy Array Iterating

-
Gambar
  Iterating Array Iterating/iterasi berarti menelusuri elemen satu per satu. saat kita berurusan dengan array multi-dimensi di numpy, kita bisa melakukan ini menggunakan for loop dasar Python. Jika kita mengulangi/loop pada array 1-D, ia akan melewati setiap elemen satu per satu. Contoh  Iterasi pada elemen array 1-D berikut. import  numpy  as  np arr = np.array([ 1 ,  2 ,  3 ]) for  x  in  arr:    print (x) Iterating 2-D Arrays Dalam array 2-D itu akan melewati semua baris. Contoh Lakukan iterasi pada elemen array 2D berikut. import  numpy  as  np arr = np.array([[ 1 ,  2 ,  3 ], [ 4 ,  5 ,  6 ]]) for  x  in  arr:    print (x) Jika kita iterasi pada array n -D maka akan melewati dimensi n-1 satu per satu. Untuk mengembalikan nilai aktual, skalar, kita harus mengulangi/loop array di setiap dimensi. Contoh Iterasi pada  setiap elemen skalar dari array 2-D. import ...
Baca selengkapnya