Participer au site avec un Tip
Rechercher
 

Améliorations / Corrections

Vous avez des améliorations (ou des corrections) à proposer pour ce document : je vous remerçie par avance de m'en faire part, cela m'aide à améliorer le site.

Emplacement :

Description des améliorations :

Vous êtes un professionnel et vous avez besoin d'une formation ? Mise en oeuvre d'IHM
avec Qt et PySide6
Voir le programme détaillé

Contenu du module « numpy.random »

Liste des classes du module numpy.random

Nom de la classe Description
BitGenerator
Generator
MT19937
PCG64
PCG64DXSM
Philox
RandomState
SeedSequence
SFC64

Liste des fonctions du module numpy.random

Signature de la fonction Description
beta(a, b, size=None)
binomial(n, p, size=None)
bytes(length)
chisquare(df, size=None)
choice(a, size=None, replace=True, p=None)
default_rng(seed=None) default_rng(seed=None) [extrait de default_rng.__doc__]
dirichlet(alpha, size=None)
exponential(scale=1.0, size=None)
f(dfnum, dfden, size=None)
gamma(shape, scale=1.0, size=None)
geometric(p, size=None)
get_bit_generator()
get_state(legacy=True)
gumbel(loc=0.0, scale=1.0, size=None)
hypergeometric(ngood, nbad, nsample, size=None)
laplace(loc=0.0, scale=1.0, size=None)
logistic(loc=0.0, scale=1.0, size=None)
lognormal(mean=0.0, sigma=1.0, size=None)
logseries(p, size=None)
multinomial(n, pvals, size=None)
multivariate_normal(mean, cov, size=None, check_valid='warn', tol=1e-08)
negative_binomial(n, p, size=None)
noncentral_chisquare(df, nonc, size=None)
noncentral_f(dfnum, dfden, nonc, size=None)
normal(loc=0.0, scale=1.0, size=None)
pareto(a, size=None)
permutation(x)
poisson(lam=1.0, size=None)
power(a, size=None)
rand(*args)
randint(low, high=None, size=None, dtype=<class 'int'>)
randn(*args)
random(size=None)
random_integers(low, high=None, size=None)
random_sample(size=None)
ranf(*args, **kwargs)
rayleigh(scale=1.0, size=None)
sample(*args, **kwargs)
seed(seed=None)
set_bit_generator(bitgen)
set_state(state)
shuffle(x)
standard_cauchy(size=None)
standard_exponential(size=None)
standard_gamma(shape, size=None)
standard_normal(size=None)
standard_t(df, size=None)
test(label='fast', verbose=1, extra_argv=None, doctests=False, coverage=False, durations=-1, tests=None)
triangular(left, mode, right, size=None)
uniform(low=0.0, high=1.0, size=None)
vonmises(mu, kappa, size=None)
wald(mean, scale, size=None)
weibull(a, size=None)
zipf(a, size=None)


Vous êtes un professionnel et vous avez besoin d'une formation ? Calcul scientifique
avec Python
Voir le programme détaillé