【Python入門】Python隨機(jī)模塊22個(gè)函數(shù)詳解

隨機(jī)數(shù)可以用于數(shù)學(xué)，游戲，安全等領(lǐng)域中，還經(jīng)常被嵌入到算法中，用以提高算法效率，并提高程序的安全性。平時(shí)數(shù)據(jù)分析各種分布的數(shù)據(jù)構(gòu)造也會(huì)用到。

random模塊，用于生成偽隨機(jī)數(shù)，之所以稱之為偽隨機(jī)數(shù)，是因?yàn)檎嬲饬x上的隨機(jī)數(shù)（或者隨機(jī)事件）在某次產(chǎn)生過程中是按照實(shí)驗(yàn)過程中表現(xiàn)的分布概率隨機(jī)產(chǎn)生的，其結(jié)果是不可預(yù)測的，是不可見的。而計(jì)算機(jī)中的隨機(jī)函數(shù)是按照一定算法模擬產(chǎn)生的，對于正常隨機(jī)而言，會(huì)出現(xiàn)某個(gè)事情出現(xiàn)多次的情況。

但是偽隨機(jī)，在事情觸發(fā)前設(shè)定好，就是這個(gè)十個(gè)事件各發(fā)生一次，只不過順序不同而已?，F(xiàn)在MP3的隨機(jī)列表就是用的偽隨機(jī)，把要播放的歌曲打亂順序，生成一個(gè)隨機(jī)列表而已，每個(gè)歌曲都播放一次。真實(shí)隨機(jī)的話，會(huì)有出現(xiàn)某首歌多放次的情況，歌曲基數(shù)越多，重放的概率越大。

注意：random()是不能直接訪問的，需要導(dǎo)入 random 模塊，然后通過 random 靜態(tài)對象調(diào)用該方法。

import randomlist(dir(random))['BPF', 'LOG4','NV_MAGICCONST','RECIP_BPF','Random','SG_MAGICCONST','SystemRandom','TWOPI','betavariate','choice','choices','expovariate','gammavariate','gauss','getrandbits','getstate','lognormvariate','normalvariate','paretovariate','randint','random','randrange','sample','seed','setstate','shuffle','triangular','uniform','vonmisesvariate','weibullvariate']

#加載所需要的包

import randomimport matplotlib.pyplot as pltimport seaborn as sns

01 random

描述：random.random() 用于生成一個(gè)0到1的隨機(jī)符點(diǎn)數(shù): 0 <= n < 1.0

語法：random.random()

#生成一個(gè)隨機(jī)數(shù)random.random()0.7186311708109537
#生成一個(gè)4位小數(shù)的隨機(jī)列表[round(random.random(),4) for i in range(10)][0.1693, 0.4698, 0.5849, 0.6859, 0.2818, 0.216, 0.1976, 0.3171, 0.2522, 0.8012]
#生成一串隨機(jī)數(shù)for i in range(10):print(random.random())0.43860556392473480.43944378539770780.2318629636828330.64831689635533420.121065812558118550.70438749865313550.387295196584986230.64922561571703930.4634250509335640.2298431522075462

02 choice

描述：從非空序列seq中隨機(jī)選取一個(gè)元素。如果seq為空則彈出 IndexError異常。

語法：random.choice（ seq）seq 可以是一個(gè)列表，元組或字符串。

L = [0,1,2,3,4,5]random.choice(L)2

L = 'wofeichangshuai'random.choice(L)'h'

03 choices

描述：從集群中隨機(jī)選取k次數(shù)據(jù)，返回一個(gè)列表，可以設(shè)置權(quán)重。

注意每次選取都不會(huì)影響原序列，每一次選取都是基于原序列。

語法：random.choices(population,weights=None,*,cum_weights=None,k=1)

參數(shù)：

population：集群。
weights：相對權(quán)重。
cum_weights：累加權(quán)重。
k：選取次數(shù)。

a = [1,2,3,4,5]random.choices(a,k=5)[2, 5, 2, 1, 3]
random.choices(a,weights=[0,0,1,0,0],k=5)[3, 3, 3, 3, 3]
random.choices(a,weights=[1,1,1,1,1],k=5)[3, 1, 5, 2, 2]
#多次運(yùn)行，5被抽到的概率為0.5，比其他的都大random.choices(a,weights=[0.1,0.1,0.2,0.3,0.5],k=5)[5, 4, 4, 4, 2]random.choices(a,weights=[0.1,0.1,0.2,0.3,0.5],k=5)[5, 4, 5, 5, 2]random.choices(a,weights=[0.1,0.1,0.2,0.3,0.5],k=5)[5, 2, 2, 5, 5]
random.choices(a,cum_weights=[1,1,1,1,1],k=5)[1, 1, 1, 1, 1]
對每一條語句不妨各自寫一個(gè)循環(huán)語句讓它輸出個(gè)十遍八遍的，你就足以看出用法了。
結(jié)論：參數(shù)weights設(shè)置相對權(quán)重，它的值是一個(gè)列表，設(shè)置之后，每一個(gè)成員被抽取到的概率就被確定了。比如weights=[1,2,3,4,5],那么第一個(gè)成員的概率就是P=1/(1+2+3+4+5)=1/15。cum_weights設(shè)置累加權(quán)重，Python會(huì)自動(dòng)把相對權(quán)重轉(zhuǎn)換為累加權(quán)重，即如果你直接給出累加權(quán)重，那么就不需要給出相對權(quán)重，且Python省略了一步執(zhí)行。比如weights=[1,2,3,4],那么cum_weights=[1,3,6,10]，這也就不難理解為什么cum_weights=[1,1,1,1,1]輸出全是第一

04 getrandbits

描述：返回一個(gè)不大于K位的Python整數(shù)（十進(jìn)制），比如k=10，則結(jié)果在0~2^10之間的整數(shù)。

語法：random.getrandbits(k)

random.getrandbits(10)379

05 getstate

描述：返回一個(gè)捕獲到的生成器當(dāng)前內(nèi)部狀態(tài) 的對象，可以將此對象傳遞給 setstate() 以恢復(fù)到這個(gè)狀態(tài)。

語法：random.getstate()

06 setstate

描述：state 應(yīng)該是從之前調(diào)用 getstate() 獲得的，而 setstate() 將生成器的內(nèi)部狀態(tài)恢復(fù)到調(diào)用 getstate() 時(shí)的狀態(tài)。根據(jù)下面的例子可以看出，由于生成器內(nèi)部狀態(tài)相同時(shí)會(huì)生成相同的下一個(gè)隨機(jī)數(shù)，我們可以使用 getstate() 和 setstate() 對生成器內(nèi)部狀態(tài)進(jìn)行獲取和重置到某一狀態(tài)下。

語法：random.setstate(state)

state = random.getstate()random.random()0.489148634943

random.random()0.22359638172661822

random.setstate(state)random.random()0.48914863494

07 randint

描述：用于生成一個(gè)指定范圍內(nèi)的整數(shù)。

語法：random.randint(a, b)，其中參數(shù)a是下限，參數(shù)b是上限，生成的隨機(jī)數(shù)n: a <= n <= b

random.randint(1, 8)3random.randint(1, 8)4

08 randrange

描述：按指定基數(shù)遞增的集合中獲取一個(gè)隨機(jī)數(shù)。如：random.randrange(10, 100, 2)，結(jié)果相當(dāng)于從[10, 12, 14, 16, … 96, 98]序列中獲取一個(gè)隨機(jī)數(shù)，random.randrange(10, 100, 2)在結(jié)果上與 random.choice(range(10, 100, 2) 等效。

語法：random.randrange([start], stop[, step])

不指定step，隨機(jī)生成[a,b)范圍內(nèi)一個(gè)整數(shù)。
指定step，step作為步長會(huì)進(jìn)一步限制[a,b)的范圍，比如randrange(0,11,2)意即生成[0,11)范圍內(nèi)的隨機(jī)偶數(shù)。
不指定a，則默認(rèn)從0開始。

#不限制[random.randrange(0,11) for i in range(5)][4, 6, 3, 9, 5]
#隨機(jī)偶數(shù)，運(yùn)行5個(gè)數(shù)[random.randrange(0,11,2) for i in range(5)][2, 4, 8, 8, 6]

09 sample

描述：從population樣本或集合中隨機(jī)抽取K個(gè)不重復(fù)的元素形成新的序列。常用于不重復(fù)的隨機(jī)抽樣。返回的是一個(gè)新的序列，不會(huì)破壞原有序列。要從一個(gè)整數(shù)區(qū)間隨機(jī)抽取一定數(shù)量的整數(shù)，請使用sample(range(1000000), k=60)類似的方法，這非常有效和節(jié)省空間。如果k大于population的長度，則彈出ValueError異常。

語法：random.sample(population, k)

注意：與random.choices()的區(qū)別：一個(gè)是選取k次，一個(gè)是選取k個(gè)，選取k次的相當(dāng)于選取后又放回，選取k個(gè)則選取后不放回。故random.sample()的k值不能超出集群的元素個(gè)數(shù)。

random.sample(range(1000), k=5)[82, 678, 664, 177, 376]
L = [0,1,2,3,4,5]random.sample(L,3)[5, 3, 1]
random.sample(L,3)[2, 4, 5]

10 seed

描述：初始化偽隨機(jī)數(shù)生成器。如果未提供a或者a=None，則使用系統(tǒng)時(shí)間為種子。如果a是一個(gè)整數(shù)，則作為種子。偽隨機(jī)數(shù)生成模塊。如果不提供 seed，默認(rèn)使用系統(tǒng)時(shí)間。使用相同的 seed，可以獲得完全相同的隨機(jī)數(shù)序列，常用于算法改進(jìn)測試。

語法：random.seed(a=None, version=2)

a = random.Random()a.seed(1)[a.randint(1, 100) for i in range(20)][14, 85, 77, 26, 50, 45, 66, 79, 10, 3, 84, 44, 77, 1, 45, 73, 23, 95, 91, 4]
b =random.Random()b.seed(1)[b.randint(1, 100) for i in range(20)][14, 85, 77, 26, 50, 45, 66, 79, 10, 3, 84, 44, 77, 1, 45, 73, 23, 95, 91, 4]

11 shuffle

描述：用于將一個(gè)列表中的元素打亂。只能針對可變的序列，對于不可變序列，請使用下面的sample()方法。

語法：random.shuffle(x)

L = [0,1,2,3,4,5]random.shuffle(L)L[5, 4, 1, 0, 3, 2]

12 uniform

描述：產(chǎn)生[a,b]范圍內(nèi)一個(gè)隨機(jī)浮點(diǎn)數(shù)。uniform()的a，b參數(shù)不需要遵循a<=b的規(guī)則，即a小b大也可以，此時(shí)生成[b,a]范圍內(nèi)的隨機(jī)浮點(diǎn)數(shù)。

語法：random.uniform(x, y)

random.uniform(10, 11)10.789198208817488

13 triangular

描述：返回一個(gè)low <= N <=high的三角形分布的隨機(jī)數(shù)。參數(shù)mode指明眾數(shù)出現(xiàn)位置。

語法：random.triangular(low, high, mode)

data = [random.triangular(2,2,3) for i in range(20000)]#直方圖plt.hist(data, bins=100,  color='#FF0000', alpha=.7)#密度圖sns.kdeplot(data, shade=True,color='#FF0000')

直方圖

密度圖無法顯示

14 vonmisesvariate

描述：卡帕分布

語法：vonmisesvariate(mu, kappa)

data = [random.vonmisesvariate(2,2) for i in range(20000)]#直方圖plt.hist(data, bins=100, color='#FF0000', alpha=.7)#密度圖sns.kdeplot(data, shade=True,color='#FF0000')

直方圖

密度圖

15 weibullvariate

描述：威布爾分布

語法：random.weibullvariate(alpha, beta)

data = [random.weibullvariate(1,2) for i in range(20000)]#直方圖plt.hist(data, bins=100,  color='#FF0000', alpha=.7)sns.kdeplot(data, shade=True,color='#FF0000')

直方圖

密度圖

16 betavariate

描述： β分布

語法：random.betavariate(alpha, beta)

data = [random.betavariate(1,2) for i in range(20000)]#直方圖plt.hist(data, bins=100, color='#FF0000', alpha=.7)#密度圖sns.kdeplot(data, shade=True,color='#FF0000')

直方圖

密度圖

17 expovariate

描述：指數(shù)分布

語法：random.expovariate(lambd)

data = [random.expovariate(2) for i in range(50000)]#直方圖plt.hist(data, bins=100,  color='#FF0000', alpha=.7)#密度圖sns.kdeplot(data, shade=True,color='#FF0000')

直方圖

密度圖

18 gammavariate

描述： 伽馬分布

語法：random.gammavariate(alpha, beta)

data = [random.gammavariate(2,2) for i in range(50000)]#直方圖plt.hist(data, bins=100, color='#FF0000', alpha=.7)#密度圖sns.kdeplot(data, shade=True,color='#FF0000')

直方圖

密度圖

19 gauss

描述：高斯分布

語法：random.gauss(mu, sigma)

data = [random.gauss(2,2) for i in range(50000)]#直方圖plt.hist(data, bins=100,  color='#FF0000', alpha=.7)#密度圖sns.kdeplot(data, shade=True,color='#FF0000')

直方圖

密度圖

20 lognormvariate

描述：對數(shù)正態(tài)分布

語法：random.lognormvariate(mu, sigma)

示例：

data = [random.lognormvariate(4,2) for i in range(50000)]#直方圖plt.hist(data, bins=100, color='#FF0000', alpha=.7)#密度圖sns.kdeplot(data, shade=True,color='#FF0000')

直方圖

密度圖

21 normalvariate

描述： 正態(tài)分布

語法：random.normalvariate(mu, sigma)

data = [random.normalvariate(2,4) for i in range(20000)]#直方圖plt.hist(data, bins=100,  color='#FF0000', alpha=.7)#密度圖sns.kdeplot(data, shade=True,color='#FF0000')

直方圖

密度圖

22 paretovariate

描述：帕累托分布

語法：random.paretovariate(alpha)

data = [random.paretovariate(4) for i in range(50000)]#直方圖plt.hist(data, bins=100, color='#FF0000', alpha=.7)#密度圖sns.kdeplot(data, shade=True,color='#FF0000')

直方圖

密度圖

本站僅提供存儲(chǔ)服務(wù)，所有內(nèi)容均由用戶發(fā)布，如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請點(diǎn)擊舉報(bào)。

开心六月综合激情婷婷|欧美精品成人动漫二区|国产中文字幕综合色|亚洲人在线成视频

01 random

02 choice

03 choices

04 getrandbits

05 getstate

06 setstate

07 randint

08 randrange

09 sample

10 seed

11 shuffle

12 uniform

13 triangular

14 vonmisesvariate

15 weibullvariate

16 betavariate

17 expovariate

18 gammavariate

19 gauss

20 lognormvariate

21 normalvariate

22 paretovariate