之前自己一直使用random中 randint生成随机数以及使用for将列表中的数据遍历一次。

现在有个需求需要将列表的次序打乱，或者也可以这样理解：

【需求】将一个容器中的数据每次随机逐个遍历一遍。

random.shuffle()方法提供了完美的解决方案。

不会生成新的列表，只是将原列表的次序打乱

# shuffle()使用样例

import random

x = [i for i in range(10)]

print(x)

random.shuffle(x)

print(x)

源码及注释(个人翻译注释)

def shuffle(self, x, random=None):

"""Shuffle list x in place, and return None.

原位打乱列表，不生成新的列表。

Optional argument random is a 0-argument

function returning a random float in [0.0, 1.0);

if it is the default None,

the standard random.random will be used.

可选参数random是一个从0到参数的函数，返回[0.0,1.0)中的随机浮点；

如果random是缺省值None，则将使用标准的random.random()。

"""

if random is None:

randbelow = self._randbelow

for i in reversed(range(1, len(x))):

# pick an element in x[:i+1] with which to exchange x[i]

j = randbelow(i + 1)

x[i], x[j] = x[j], x[i]

else:

_int = int

for i in reversed(range(1, len(x))):

# pick an element in x[:i+1] with which to exchange x[i]

j = _int(random() * (i + 1))

x[i], x[j] = x[j], x[i]

random 中其他的方法

class Random(_random.Random):

## -------------------- integer methods -------------------

def randrange(self, start, stop=None, step=1, _int=int):

def randint(self, a, b):

def _randbelow(self, n, int=int, maxsize=1 << BPF, type=type,

Method=_MethodType, BuiltinMethod=_BuiltinMethodType):

## -------------------- sequence methods -------------------

def choice(self, seq):

def shuffle(self, x, random=None):

def sample(self, population, k):

def choices(self, population, weights=None, *, cum_weights=None, k=1):

## -------------------- uniform distribution -------------------

def uniform(self, a, b):

## -------------------- triangular --------------------

def triangular(self, low=0.0, high=1.0, mode=None):

## -------------------- normal distribution --------------------

def normalvariate(self, mu, sigma):

## -------------------- lognormal distribution --------------------

def lognormvariate(self, mu, sigma):

## -------------------- exponential distribution --------------------

def expovariate(self, lambd):

## -------------------- von Mises distribution --------------------

def vonmisesvariate(self, mu, kappa):

## -------------------- gamma distribution --------------------

def gammavariate(self, alpha, beta):

## -------------------- Gauss (faster alternative) --------------------

def gauss(self, mu, sigma):

def betavariate(self, alpha, beta):

## -------------------- Pareto --------------------

def paretovariate(self, alpha):

## -------------------- Weibull --------------------

def weibullvariate(self, alpha, beta):

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持【听图阁-专注于Python设计】。