Python的random

随机数生成是日常工作中经常使用的功能。下面简要介绍下Python的随机数生成标准库random。

一、常用函数

（1）生成0和1之间的浮点数，random()

生成区间为[0,1)

import random

print(random.random())

输出结果：0.8092116913076974

（2）生成a和b之间的整数，randint(a,b)

生成区间为[a,b]

print(random.randint(-10,10))

输出结果：9

a必须小于等于b，如果a==b，则输出a。

print(random.randint(10,10))

输出结果：10

（3）生成a和b之间的浮点数，unifrom(a,b)，也是均匀分布，因为非常常用放在这里。

生成区间为[a,b]

print(random.uniform(-10,10))

输出结果：-4.109021075631352

这个函数中，a可以大于b，生成的是min(a,b)和max(a,b)之间的浮点数。

（4）生成a和b之间某个范围的整数，randrange(a,b,step)

生成区间为：在[a,b]范围内，从a开始（包含a），每隔step的数形成的集合。

print(random.randrange(0,10,2))

输出结果：生成[0,10]之前的偶数

print(random.randrange(1,10,2))

输出结果：生成[0,10]之前的奇数

二、操作序列的函数

（1）从一个序列seq中随机选取一个元素，choice(seq)

seq1 = [1,2,3,4,5]

seq2 = ((1,2),(3,4),(5,6))

seq3 ="abcdef"

print(random.choice(seq1))

print(random.choice(seq2))

print(random.choice(seq3))

输出结果：

(3, 4)

（2）将一个列表list中的元素随机打乱，shuffle(list)

注意，shuffle函数需要修改原序列，因此输入的序列seq必须是可更改的，所以只支持list类型。shuffle有个很传神的名字：洗牌。

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

print(random.shuffle(seq),seq,sep='\n')

输出结果：

None

[2, 5, 1, 4, 3]

（3）从一个序列中随机取出k个元素，sample(seq,k)

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

print(random.sample(seq,3),seq,sep='\n')

输出结果：

[4, 5, 2]

[1, 2, 3, 4, 5]

注意几个方面：一是sample并不改变原序列，因此输入序列seq可以是元组、字符串、set等数据类型。二是取出k个元素是从不同位置取值的，因此如果原序列无重复元素，形成的新序列也不会存在重复元素。三是不管输入序列seq是什么类型，sample返回的是list类型，看下例。

seq = "abcdef"

print(random.sample(seq,3),seq,sep='\n')

输出结果：

['c', 'a', 'd']

abcdef

三、随机生成符合某种分布的数据

（1）均匀分布，uniform(a,b)

见第一节描述。非常常用。

（2）正态分布，normalvariate(mu,sigma)

mu：均值

sigma：标准差

mu=0，sigma=1为标准正态分布。

除了均匀分布，正态分布用的是最多的。

import random

import numpy as np

import time

st = time.clock()

N =1000000

n = []

for i in range(N):

n.append(random.normalvariate(0,1))

print("均值=",np.mean(n))

print("标准差=",np.std(n))

print("耗时=",time.clock() - st)

输出结果：

均值= -7.42643413388e-05

标准差= 1.00049689373

耗时= 5.702438655147374

可以看出，随机生成1000000个数，这些数符合正态分布。

（3）高斯分布，gauss(mu,sigma)

就是正态分布，采用了不同的实现方式，据说运行速度更快。

import random

import numpy as np

import time

st = time.clock()

N =1000000

n = []

for i in range(N):

n.append(random.gauss(0,1))

print("均值=",np.mean(n))

print("标准差=",np.std(n))

print("耗时=",time.clock() - st)

输出结果

均值= 0.000604319020838

标准差= 0.999634159673

耗时= 4.827287158657131

1000000个数快了不到1秒，也没快太多。

（4）还有生成三角形分布、对数分布、指数分布、β分布、伽马分布等的函数

triangular(low, high, mode)三角形分布

lognormvariate(mu, sigma)对数分布

expovariate(lambd)指数分布

gammavariate(alpha, beta)伽马分布

等等。实际工作中，这些分布比均匀分布和正态分布用的都少的多。

Python的random相关推荐

python中random模块中包含了随机数相关的功能函数_Python中random模块生成随机数详解...
print random.randint(12, 20) #生成的随机数n: 12 <= n <= 20 print random.randint(20, 20) #结果永远是20 #pr ...
从洗牌算法谈起--Python的random.shuffle函数实现原理
此文首发于我的个人博客:从洗牌算法谈起–random.shuffle实现原理 - zhang0peter的个人博客昨天看知乎的时候看到了洗牌算法(Knuth shuffle, 最初版本叫Fisher ...
python中sample是什么意思_基于Python中random.sample()的替代方案
python中random.sample()方法可以随机地从指定列表中提取出N个不同的元素,但在实践中发现,当N的值比较大的时候,该方法执行速度很慢,如: numpy random模块中的choice ...
python的random模块生成随机数
python的random函数 random.random() 生成0-1之间的随机数 random.uniform(a,b)生成a,b之间的浮点数 random.randint(a,b)生成a,b之 ...
python的random函数_关于random()的详细介绍
这篇文章主要介绍了Python随机生成数模块random使用实例,本文直接给出示例代码,需要的朋友可以参考下代码如下:#!/usr/bin/env python#coding=utf-8import ...
python random包含尾部吗_你真的了解Python的random模块吗？
用于生成伪随机数源码位置: Lib/random.py(看看就好,千万别随便修改) 真正意义上的随机数(或者随机事件)在某次产生过程中是按照实验过程中表现的分布概率随机产生的,其结果是不可预测的,是 ...
python从random生成列表_详解Python利用random生成一个列表内的随机数
详解Python利用random生成一个列表内的随机数首先,需要导入random模块: import random 随机取1-33之间的1个随机数,可能重复: random.choice(range ...
python中random函数用法_random函数的用法
展开全部用法: 1.随2113机生成(0,1)之间的浮点数 random.random() 2.随机生成100-200的整数5261 random.randint(100,200) 3.随机产生范围 ...
【Python】Python随机数random模块的应用
用代码举栗子 import randomelements = ["放逐之刃", "刀锋舞者", "青钢影", "诡术妖姬" ...
python的random模块怎么写_Python常用标准库之random模块
一.概述在我们日常写代码的过程中,经常需要产生随机数,Python为我们提供了random库,该模块实现了各种分布的伪随机数生成器,本文主要讲解其常用方法,更多详细内容请移步:Random官方文档. ...

Python的random

Python的random相关推荐

最新文章

热门文章