Python內置random模塊生成隨機數(shù)的方法
本文我們詳細地介紹下兩個模塊關于生成隨機序列的其他使用方法。
隨機數(shù)參與的應用場景大家一定不會陌生，比如密碼加鹽時會在原密碼上關聯(lián)一串隨機數(shù)，蒙特卡洛算法會通過隨機數(shù)采樣等等。Python內置的random模塊提供了生成隨機數(shù)的方法，使用這些方法時需要導入random模塊。
import random
下面介紹下Python內置的random模塊的幾種生成隨機數(shù)的方法。
1、random.random()隨機生成 0 到 1 之間的浮點數(shù)[0.0, 1.0)。注意的是返回的隨機數(shù)可能會是 0 但不可能為 1，即左閉右開的區(qū)間。
print("random: ", random.random())
#random: 0.5714025946899135
2、random.randint(a , b)隨機生成 a 與 b 之間的整數(shù)[a, b]，a<=n<=b，隨機整數(shù)不包含 b 時[a, b)可以使用 random.randrange() 方法。
print("randint: ", random.randint(6,8))
#randint: 8
3、random.randrange(start,stop,step)按步長step隨機在上下限范圍內取一個隨機數(shù)，start<=n<stop。
print("randrange: ",random.randrange(20,100,5))
#randrange: 85
4、random.uniform(a, b)隨機生成 a 與 b 之間的浮點數(shù)[a, b]，a<=n<=b。
print("uniform: ",random.uniform(5,10))
#uniform: 5.119790163375776
5、random.choice()從列表中隨機取出一個元素，比如列表、元祖、字符串等。注意的是，該方法需要參數(shù)非空，否則會拋出 IndexError 的錯誤。
print("choice: ",random.choice("www.yuanxiao.net"))
#choice: y
6、random.shuffle(items) 把列表 items 中的元素隨機打亂。注意的是，如果不想修改原來的列表，可以使用 copy 模塊先拷貝一份原來的列表。
num = [1, 2, 3, 4, 5]
random.shuffle(num)
print("shuffle: ",num)
#shuffle: [1, 3, 5, 4, 2]
7、random.sample(items, n)從列表 items 中隨機取出 n 個元素。
num = [1, 2, 3, 4, 5]
print("sample: ",random.sample(num, 3))
#sample: [4, 1, 5]
Python 的random模塊產生的隨機數(shù)其實是偽隨機數(shù)，依賴于特殊算法和指定不確定因素(種子seed)來實現(xiàn)。如randint方法生成一定范圍內的隨機數(shù)，會先指定一個特定的seed，將seed通過特定的隨機數(shù)產生算法，得到一定范圍內隨機分布的隨機數(shù)。因此對于同一個seed值的輸入產生的隨機數(shù)會相同，省略參數(shù)則意味著使用當前系統(tǒng)時間秒數(shù)作為種子值，達到每次運行產生的隨機數(shù)都不一樣。
random.seed(2)
print("random: ", random.random())
#random: 0.9560342718892494
random.seed(3)
print("random: ", random.random())
#random: 0.23796462709189137
random.seed(3)#同一個種子值，產生的隨機數(shù)相同
print("random: ", random.random())
#random: 0.23796462709189137
numpy庫也提供了random模塊，用于生成多維度數(shù)組形式的隨機數(shù)。使用時需要導入numpy庫。
import numpy as np
下面介紹下numpy庫的random模塊的幾種生成隨機數(shù)的方法。
1、numpy.random.rand(d0,d1,…,dn)
- rand函數(shù)根據(jù)給定維度生成[0,1]之間的數(shù)據(jù)，包含0，不包含1
- dn表格每個維度
返回值為指定維度的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函數(shù)返回一個或一組樣本，具有標準正態(tài)分布。
- dn表格每個維度
- 返回值為指定維度的array
標準正態(tài)分布—-standard normal distribution
標準正態(tài)分布又稱為u分布，是以0為均值、以1為標準差的正態(tài)分布，記為N（0，1）。
print("np.random.randn：\n {}".format(np.random.randn()))
# 當沒有參數(shù)時，返回單個數(shù)據(jù)
"""
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')
返回隨機整數(shù)，范圍區(qū)間為[low,high），包含low，不包含high
參數(shù)：low為最小值，high為最大值，size為數(shù)組維度大小，dtype為數(shù)據(jù)類型，默認的數(shù)據(jù)類型是np.int
high沒有填寫時，默認生成隨機數(shù)的范圍是[0，low]
print("np.random.randint：\n {}".format(np.random.randint(1,size=5)))
# 返回[0,1)之間的整數(shù)，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個[1,5)時間的隨機整數(shù)
"""
np.random.randint：
2
"""
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：使得隨機數(shù)據(jù)可預測。
當我們設置相同的seed，每次生成的隨機數(shù)相同。如果不設置seed，則每次會生成不同的隨機數(shù)
總結
以上所述是小編給大家介紹的Python內置random模塊生成隨機數(shù)的方法,希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回復大家的。在此也非常感謝大家對腳本之家網(wǎng)站的支持！
如果你覺得本文對你有幫助，歡迎轉載，煩請注明出處，謝謝！
相關文章
這篇文章主要介紹了Python命名空間的本質和加載順序，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2018-12-12
這篇文章主要為大家介紹了Python中常用的兩個序列化模塊：pickle序列化和json序列化。文中的示例代碼講解詳細，感興趣的小伙伴可以學習一下2022-05-05
Python中實現(xiàn)字符串類型與字典類型相互轉換的方法
這篇文章主要介紹了Python中實現(xiàn)字符串類型與字典類型相互轉換的方法,非常實用,需要的朋友可以參考下2014-08-08
這篇文章主要介紹了python之NAN和INF值處理方式，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2022-05-05
pygame是python的一個做游戲的庫，非常適合做游戲開發(fā)，這篇文章主要給大家介紹了關于如何利用pygame實現(xiàn)打飛機小游戲的相關資料,需要的朋友可以參考下2021-05-05
這篇文章主要介紹了python判斷文件存在方式,判斷文件是否存在在實際應用中用的非常多，下面我們來歸納一下檢查文件、文件夾是否存在的各種操作，需要的朋友可以參考下2022-09-09
Python是一種非常靈活的編程語言，可以混合使用同步和異步函數(shù)來實現(xiàn)更高效的編程。本文將介紹如何在Python中混合使用同步和異步函數(shù)，以及如何在不同場景下選擇合適的函數(shù)，感興趣的可以了解一下2023-03-03
這篇文章主要介紹了Python2升級/安裝pip報錯問題及解決方案,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2024-03-03
python的random模塊及加權隨機算法的python實現(xiàn)方法
下面小編就為大家?guī)硪黄猵ython的random模塊及加權隨機算法的python實現(xiàn)方法。小編覺得挺不錯的，現(xiàn)在就分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2017-01-01
python解決Missing 1 required positional ar
這篇文章主要介紹了python解決Missing 1 required positional argument報錯問題,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2023-12-12