python中的random模块_Python内置random模块生成随机数的方法

本文我们详细地介绍下两个模块关于生成随机序列的其他使用方法。

随机数参与的应用场景大家一定不会陌生，比如密码加盐时会在原密码上关联一串随机数，蒙特卡洛算法会通过随机数采样等等。Python内置的random模块提供了生成随机数的方法，使用这些方法时需要导入random模块。

import random

下面介绍下Python内置的random模块的几种生成随机数的方法。

1、random.random()随机生成 0 到 1 之间的浮点数[0.0, 1.0)。注意的是返回的随机数可能会是 0 但不可能为 1，即左闭右开的区间。

print("random: ", random.random())

#random: 0.5714025946899135

2、random.randint(a , b)随机生成 a 与 b 之间的整数[a, b]，a<=n<=b，随机整数不包含 b 时[a, b)可以使用 random.randrange() 方法。

print("randint: ", random.randint(6,8))

#randint: 8

3、random.randrange(start,stop,step)按步长step随机在上下限范围内取一个随机数，start<=n

print("randrange: ",random.randrange(20,100,5))

#randrange: 85

4、random.uniform(a, b)随机生成 a 与 b 之间的浮点数[a, b]，a<=n<=b。

print("uniform: ",random.uniform(5,10))

#uniform: 5.119790163375776

5、random.choice()从列表中随机取出一个元素，比如列表、元祖、字符串等。注意的是，该方法需要参数非空，否则会抛出 IndexError 的错误。

print("choice: ",random.choice("www.yuanxiao.net"))

#choice: y

6、random.shuffle(items) 把列表 items 中的元素随机打乱。注意的是，如果不想修改原来的列表，可以使用 copy 模块先拷贝一份原来的列表。

num = [1, 2, 3, 4, 5]

random.shuffle(num)

print("shuffle: ",num)

#shuffle: [1, 3, 5, 4, 2]

7、random.sample(items, n)从列表 items 中随机取出 n 个元素。

num = [1, 2, 3, 4, 5]

print("sample: ",random.sample(num, 3))

#sample: [4, 1, 5]

Python 的random模块产生的随机数其实是伪随机数，依赖于特殊算法和指定不确定因素(种子seed)来实现。如randint方法生成一定范围内的随机数，会先指定一个特定的seed，将seed通过特定的随机数产生算法，得到一定范围内随机分布的随机数。因此对于同一个seed值的输入产生的随机数会相同，省略参数则意味着使用当前系统时间秒数作为种子值，达到每次运行产生的随机数都不一样。

random.seed(2)

print("random: ", random.random())

#random: 0.9560342718892494

random.seed(3)

print("random: ", random.random())

#random: 0.23796462709189137

random.seed(3)#同一个种子值，产生的随机数相同

print("random: ", random.random())

#random: 0.23796462709189137

numpy库也提供了random模块，用于生成多维度数组形式的随机数。使用时需要导入numpy库。

import numpy as np

下面介绍下numpy库的random模块的几种生成随机数的方法。

1、numpy.random.rand(d0,d1,…,dn)

rand函数根据给定维度生成[0,1]之间的数据，包含0，不包含1

dn表格每个维度

返回值为指定维度的array

print("np.random.rand：\n {}".format(np.random.rand(4,2)))

# shape: 4*3

"""

np.random.rand：

[[0.5488135 0.71518937]

[0.60276338 0.54488318]

[0.4236548 0.64589411]

[0.43758721 0.891773 ]]

"""

print("np.random.rand：\n {}".format(np.random.rand(4,3,2)))

# shape: 4*3*2

"""

np.random.rand：

[[[0.96366276 0.38344152]

[0.79172504 0.52889492]

[0.56804456 0.92559664]]

[[0.07103606 0.0871293 ]

[0.0202184 0.83261985]

[0.77815675 0.87001215]]

[[0.97861834 0.79915856]

[0.46147936 0.78052918]

[0.11827443 0.63992102]]

[[0.14335329 0.94466892]

[0.52184832 0.41466194]

[0.26455561 0.77423369]]]

"""

2、numpy.random.randn(d0,d1,…,dn)

randn函数返回一个或一组样本，具有标准正态分布。

dn表格每个维度

返回值为指定维度的array

标准正态分布—-standard normal distribution

标准正态分布又称为u分布，是以0为均值、以1为标准差的正态分布，记为N（0，1）。

print("np.random.randn：\n {}".format(np.random.randn()))

# 当没有参数时，返回单个数据

"""

np.random.randn：

2.2697546239876076

"""

print("np.random.randn：\n {}".format(np.random.randn(2,4)))

"""

np.random.randn：

[[-1.45436567 0.04575852 -0.18718385 1.53277921]

[ 1.46935877 0.15494743 0.37816252 -0.88778575]]

"""

print("np.random.randn：\n {}".format(np.random.randn(4,3,2)))

"""

np.random.randn：

[[[-1.98079647 -0.34791215]

[ 0.15634897 1.23029068]

[ 1.20237985 -0.38732682]]

[[-0.30230275 -1.04855297]

[-1.42001794 -1.70627019]

[ 1.9507754 -0.50965218]]

[[-0.4380743 -1.25279536]

[ 0.77749036 -1.61389785]

[-0.21274028 -0.89546656]]

[[ 0.3869025 -0.51080514]

[-1.18063218 -0.02818223]

[ 0.42833187 0.06651722]]]

"""

3、numpy.random.randint(low, high=None, size=None, dtype='l')

返回随机整数，范围区间为[low,high），包含low，不包含high

参数：low为最小值，high为最大值，size为数组维度大小，dtype为数据类型，默认的数据类型是np.int

high没有填写时，默认生成随机数的范围是[0，low]

print("np.random.randint：\n {}".format(np.random.randint(1,size=5)))

# 返回[0,1)之间的整数，所以只有0

"""

np.random.randint：

[0 0 0 0 0]

"""

print("np.random.randint：\n {}".format(np.random.randint(1,5)))# 返回1个[1,5)时间的随机整数

"""

np.random.randint：

"""

print("np.random.randint：\n {}".format(np.random.randint(-5,5,size=(2,2))))

"""

np.random.randint：

[[-5 -3]

[ 2 -3]]

"""

4、numpy.random.seed()

np.random.seed()的作用：使得随机数据可预测。

当我们设置相同的seed，每次生成的随机数相同。如果不设置seed，则每次会生成不同的随机数

总结

以上所述是小编给大家介绍的Python内置random模块生成随机数的方法,希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对脚本之家网站的支持！

如果你觉得本文对你有帮助，欢迎转载，烦请注明出处，谢谢！

您可能感兴趣的文章:详解Python基础random模块随机数的生成

Python随机数用法实例详解【基于random模块】

Python随机数random模块使用指南

Python中random模块生成随机数详解

Python random模块（获取随机数）常用方法和使用例子

Python生成随机数组的方法小结

Python生成随机数的方法

python 生成不重复的随机数的代码

python中的random模块_Python内置random模块生成随机数的方法相关推荐

python堆模块_python内置堆模块
heapq python内置heapq模块,通过import heapq导入. heapq模块是用于堆实现优先队列.我们知道队列是先进先出(FIFO), heapq中的优先队列指的是不论谁先进,最小的 ...
python中read函数解释_Python内置函数解释教程，readwill（非常详细的代码演示截图）,详解,看,了,就,会,很...
内置函数 abs() 获取绝对值 all() 接受一个迭代器,如果迭代器的所有元素都为真,那么返回True,否则返回False any() 接受一个迭代器,如果迭代器里有一个元素为真,那么返回True ...
python中int的功能_Python内置函数int()高级用法
int()函数常用来把其他类型转换为整数,例如: >>> int(3.2) 3>>> int(1/3) 0 其实,int是Python内置类型之一,之所以能够当作函 ...
python中read函数解释_Python内置函数：read()
1> >>> f=open(r"C:\Users\Administrator\Desktop\test.txt",'r') >>> s=f ...
python生成50个随机数_Python内置random模块生成随机数的方法
本文我们详细地介绍下两个模块关于生成随机序列的其他使用方法. 随机数参与的应用场景大家一定不会陌生,比如密码加盐时会在原密码上关联一串随机数,蒙特卡洛算法会通过随机数采样等等.Python内置的ran ...
python自带笔记本电脑_Python内置常用模块
time和datatime Range os sys hashlib XML json & picle 1.time和datetime time和datetime都是python处理时间和日期 ...
python函数type的用意_Python内置函数Type()函数一个有趣的用法
Python内置函数Type()函数一个有趣的用法今天在网上看到type的一段代码 ,然后查了一下文档,才知道type还有三个参数的用法. 以前只是知道type可以检测对象类型.然后发现了一个有趣的 ...
Python中10个常用的内置函数
大家好,我是小张在 3.8 版本中,Python 解释器共有近 69 个内置函数可供使用,有了它们能极大地提高编码效率, 数量虽然不少,但在日常搬砖中只用到其中一部分,根据使用频率和用法,列出来几个 ...
python内置函数可以返回数值型序列中所有元素之和_Python内置函数________________用来返回数值型序列中所有元素之和。...
[单选题]表达式 ','.join('a b ccc\n\n\nddd '.split()) 的值为______________. [单选题]表达式 'abcabcabc'.coun ...

python中的random模块_Python内置random模块生成随机数的方法

python中的random模块_Python内置random模块生成随机数的方法相关推荐

最新文章

热门文章