1. random 模塊概述

random [?rænd?m]：自由。

random 是Python的內(nèi)置模塊，直接import導(dǎo)入即可使用，不需要安裝。

【模塊導(dǎo)入語(yǔ)法】

import random 

【random模塊的作用】

• random 提供了許多函數(shù)，可以生成不同類型的隨機(jī)數(shù)。如整數(shù)、浮點(diǎn)數(shù)、隨機(jī)序列等。

• 通常用于生成隨機(jī)字符串、洗牌、抽樣等操作。

• random 模塊的使用非常廣泛，可以用于模擬、游戲、密碼學(xué)等領(lǐng)域。

隨機(jī)的意思可以理解成每次運(yùn)行得到的結(jié)果都是不一樣的。

2. 調(diào)用模塊的函數(shù)的語(yǔ)法

【調(diào)用語(yǔ)法】

模塊名.函數(shù)名()，如 os.mkdir()

• os是模塊名。

• 模塊名和函數(shù)名之間有一個(gè)英文小圓點(diǎn).。

• mkdir是函數(shù)名。

3. 什么是序列

序列是指一組有序的元素，這些元素可以是數(shù)字、字符、對(duì)象等。

序列中的每個(gè)元素都有一個(gè)唯一的位置，稱為索引。

序列可以是可變的或不可變的，可變序列可以修改其中的元素，而不可變序列則不能。

序列可以通過(guò)索引和切片來(lái)訪問其中的元素，也可以通過(guò)循環(huán)遍歷序列中的元素。

以下數(shù)據(jù)類型均屬于序列：

• 字符串（str）

• 列表（list）

• 元組（tuple）

• 集合（set）

• 字典（dict）

• 字節(jié)數(shù)組（bytearray）

• 字節(jié)數(shù)組（bytes）

其中，字符串、列表和元組是最常用的序列類型。

序列是Python中最基本的數(shù)據(jù)結(jié)構(gòu)之一，它們可以存儲(chǔ)多個(gè)值，并且可以通過(guò)索引訪問這些值。

3.1 字節(jié)數(shù)組（bytearray）

字節(jié)數(shù)組（bytearray）是Python中的一種數(shù)據(jù)類型，它是一個(gè)可變的序列，由一系列的字節(jié)組成。

每個(gè)字節(jié)都是一個(gè)8位的二進(jìn)制數(shù)，可以表示0-255之間的整數(shù)。

字節(jié)數(shù)組可以通過(guò)索引訪問和修改其中的元素，也可以進(jìn)行切片操作。

字節(jié)數(shù)組常用于處理二進(jìn)制數(shù)據(jù)，如圖像、音頻、視頻等文件的讀寫操作。

3.2 字節(jié)數(shù)組（bytes）

字節(jié)數(shù)組（bytes）是一種數(shù)據(jù)類型，它表示一個(gè)由字節(jié)（8位二進(jìn)制數(shù)）組成的序列。

字節(jié)數(shù)組可以用來(lái)存儲(chǔ)二進(jìn)制數(shù)據(jù)，例如圖像、音頻、視頻等文件。

字節(jié)數(shù)組在Python中是不可變的，這意味著一旦創(chuàng)建，就不能修改其中的元素。

可以使用索引來(lái)訪問字節(jié)數(shù)組中的元素，每個(gè)元素都是一個(gè)整數(shù)，范圍從0到255。

3.3 字節(jié)數(shù)組（bytearray）和字節(jié)數(shù)組（bytes）是什么的區(qū)別

• 可變性：bytearray是可變的，而bytes是不可變的。這意味著可以修改bytearray中的元素，但不能修改bytes中的元素。

• 內(nèi)存占用：bytearray比bytes占用更多的內(nèi)存，因?yàn)閎ytearray需要額外的內(nèi)存來(lái)存儲(chǔ)其可變性。

• 支持的操作：由于bytearray是可變的，它支持更多的操作，如添加、刪除和修改元素。而bytes只支持不可變的操作，如索引和切片。

• 用途：bytearray通常用于需要修改二進(jìn)制數(shù)據(jù)的情況，如網(wǎng)絡(luò)編程和加密。而bytes通常用于不需要修改的情況，如文件讀取和傳輸數(shù)據(jù)。

4. random.betavariate()-返回一個(gè)0到1之間的隨機(jī)數(shù)

beta [?bi?t?]：希臘字母表中第二個(gè)字母，β。

variate[?v??r??t]：變量。

betavariate：β變量。

【作用】

random.betavariate()用于生成一個(gè)服從Beta分布的隨機(jī)數(shù)。

【語(yǔ)法】

import random
random.betavariate(alpha, beta)

【參數(shù)說(shuō)明】

• alpha：Beta分布的第一個(gè)參數(shù)，必須大于0。

• beta：Beta分布的第二個(gè)參數(shù)，必須大于0。

alpha[?ælf?]：希臘字母表中第一個(gè)字母，α。

beta [?bi?t?]：希臘字母表中第二個(gè)字母，β。

【返回值】

返回一個(gè)服從Beta分布的隨機(jī)數(shù)。

【代碼示例】

# 導(dǎo)入random庫(kù)
import random
x = random.betavariate(2, 5)
print(x)

【終端輸出】

random.choice(sequence)

調(diào)用模塊的函數(shù)語(yǔ)法：模塊名.函數(shù)名()。

【代碼解析】

• random是模塊名。

• 模塊名和函數(shù)名之間有個(gè)英文小圓點(diǎn).。

• betavariate是函數(shù)名。

• alpha=2

• beta=5

上述代碼中，alpha=2，beta=5，生成的隨機(jī)數(shù)x服從Beta(2, 5)分布。

5. 什么是Beta分布

Beta分布是一種概率分布，常用于描述隨機(jī)變量在0到1之間的取值情況。

它的概率密度函數(shù)形式為：

其中， 是隨機(jī)變量的取值， 和 是分布的兩個(gè)參數(shù)， 是Beta函數(shù)，用于歸一化概率密度函數(shù)。

Beta分布的形狀由參數(shù) 和 控制，當(dāng) 時(shí)，Beta分布退化為均勻分布。

當(dāng) 和 時(shí)，Beta分布呈現(xiàn)出“鐘形曲線”的形狀，且分布的峰值在 處。

Beta分布在統(tǒng)計(jì)學(xué)中有廣泛的應(yīng)用，例如用于描述概率、比例、概率密度等。

【備注】

上述內(nèi)容是百度粘貼復(fù)制過(guò)來(lái)的。

具體這個(gè)beta分布有什么用我也不明白。

6. random.random()-返回一個(gè)0.0到1.0之間的隨機(jī)浮點(diǎn)數(shù)

random [?rænd?m]：自由。

【作用】

random 模塊的 random 函數(shù)是一個(gè)隨機(jī)浮點(diǎn)數(shù)生成函數(shù)。

【語(yǔ)法】

random.random()

【參數(shù)說(shuō)明】

該函數(shù)不需要傳入任何參數(shù)。

【返回值】

返回一個(gè)0.0到1.0之間的隨機(jī)浮點(diǎn)數(shù)。

【代碼示例】

import random
x = random.random()
print(x)

【終端輸出】

0.6746022416797438

7. random.random()和random.betavariate(2,5)的區(qū)別

random.random()用于生成一個(gè)0到1之間的隨機(jī)浮點(diǎn)數(shù)，每次調(diào)用該函數(shù)都會(huì)生成一個(gè)新的隨機(jī)數(shù)。

random.betavariate(2,5)是random模塊中的函數(shù)，用于生成一個(gè)符合Beta分布的隨機(jī)數(shù)。

其中參數(shù)2和5分別表示Beta分布的兩個(gè)參數(shù)alpha和beta。

每次調(diào)用該函數(shù)都會(huì)生成一個(gè)新的隨機(jī)數(shù)，但是生成的隨機(jī)數(shù)不是均勻分布的，而是符合Beta分布的。

【小結(jié)】

random是徹底的隨機(jī)選取一個(gè)數(shù)。

betavariate每次返回的數(shù)雖然不一樣，但是它返回的數(shù)符合Beta分布。

8. random.choice()-從非空序列中返回一個(gè)隨機(jī)元素

choice[t???s]：選擇。

【作用】

random.choice()用于從一個(gè)序列中隨機(jī)選擇一個(gè)元素并返回。

【語(yǔ)法】

random.choice(sequence)

【參數(shù)說(shuō)明】

sequence[?si?kw?ns]：序列。

表示要從sequence中選擇元素，sequence可以是列表、元組、字符串等序列。

【返回值】

返回序列中隨機(jī)選擇的一個(gè)元素。

8.1 從列表中隨機(jī)選擇一個(gè)元素

import random
my_list = [1, 2, 3, 4, 5]
print(random.choice(my_list))

【終端輸出】

2

8.2 從元組中隨機(jī)選擇一個(gè)元素

import random
my_tuple = ('a', 'b', 'c', 'd', 'e')
print(random.choice(my_tuple))

【終端輸出】

c

8.3 從字符串中隨機(jī)選擇一個(gè)字符

import random
my_str = '安迪python學(xué)習(xí)筆記'
print(random.choice(my_str))

【終端輸出】

筆

8.4 從字典中隨機(jī)選擇一個(gè)元素

【選擇一個(gè)鍵】

import random
my_dict = {"a": 1, "b": 2, "c": 3}
random_key = random.choice(list(my_dict.keys()))
print(random_key)

【終端輸出】

b

【選擇一個(gè)值】

import random
my_dict = {"a": 1, "b": 2, "c": 3}
random_value = random.choice(list(my_dict.values()))
print(random_value)

【終端輸出】

1

【溫馨提示】

字典是無(wú)序的。

因此不能直接使用random.choice()函數(shù)從字典中隨機(jī)選擇一個(gè)鍵或值。

需要先將字典的鍵轉(zhuǎn)換為列表，然后再使用random.choice()函數(shù)。

9. 字典知識(shí)回顧

【定義】

字典是一種無(wú)序的鍵值對(duì)集合，用花括號(hào) {} 來(lái)表示

鍵和值之間用冒號(hào) : 分隔。

每個(gè)鍵值對(duì)之間用逗號(hào) , 分隔。

鍵必須是唯一的，但值可以不唯一。

【語(yǔ)法】

my_dict = {key1: value1, key2: value2, key3: value3, ...}

key1、key2、key3 等是字典的鍵。

value1、value2、value3 等是字典的值。

【字典操作】

• 取出所有鍵，并轉(zhuǎn)換成列表：list(dict.keys())，返回一個(gè)包含字典中所有鍵的列表。

• 取出一個(gè)鍵，用列表索引方式取出一個(gè)鍵，list(my_dict.keys())[0]。

• 取值：dict[key]。

9.1 取出字典的所有鍵

my_dict = {'a': 1, 'b': 2, 'c': 3}
keys = my_dict.keys()
print(keys)  

【終端輸出】

dict_keys(['a', 'b', 'c'])

my_dict.keys()是一個(gè)Python字典（dictionary）方法，用于返回字典中所有鍵（key）的列表。

具體來(lái)說(shuō)，它返回一個(gè)可迭代的視圖對(duì)象，其中包含字典中所有鍵的列表。

my_dict是要獲取值的字典對(duì)象。

keys表示要返回包含所有鍵的列表。

keys()方法返回的是一個(gè)特殊的dict_keys對(duì)象，而不是普通的列表。

如果需要將其轉(zhuǎn)換為列表，可以使用list()函數(shù)。

my_dict = {'a': 1, 'b': 2, 'c': 3}
keys = list(my_dict.keys())
print(keys)  

【終端輸出】

['a', 'b', 'c']

9.2 取出字典的一個(gè)鍵

用列表[索引]的方式從列表中取出一個(gè)元素，取到的就是列表的一個(gè)鍵。

my_dict = {'a': 1, 'b': 2, 'c': 3}
keys = list(my_dict.keys())[0]
print(keys)  

【終端輸出】

a

9.3 取出字典的所有值

my_dict = {'a': 1, 'b': 2, 'c': 3}
values = my_dict.values()
print(values)  

【終端輸出】

dict_values([1, 2, 3])

my_dict是要獲取值的字典對(duì)象。

values表示要返回包含所有值的列表。

values()方法返回的是一個(gè)特殊的dict_values對(duì)象，而不是普通的列表。

如果需要將其轉(zhuǎn)換為列表，可以使用list()函數(shù)。

my_dict = {'a': 1, 'b': 2, 'c': 3}
values = list(my_dict.values())
print(values)  

【終端輸出】

[1, 2, 3]

9.4 取出字典的一個(gè)值

字典取值有以下4種方法：

• 使用方括號(hào)[]取值：可以通過(guò)鍵名直接訪問字典中的值，例如：dict[key]。

• 使用get()方法取值：get()方法可以通過(guò)鍵名獲取字典中的值，如果鍵名不存在，則返回None或者指定的默認(rèn)值。例如：dict.get(key, default=None)。

• 使用items()方法取值：items()方法可以返回字典中所有鍵值對(duì)的元組列表，可以通過(guò)遍歷列表獲取字典中的所有值。例如：for key, value in dict.items()。

• 使用values()方法取值：values()方法可以返回字典中所有的值，可以通過(guò)遍歷列表獲取字典中的所有值。例如：for value in dict.values()。

9.5 方括號(hào)[]取值

my_dict = {'a': 1, 'b': 2, 'c': 3}
values = my_dict['a']
print(values)  

【終端輸出】

1

my_dict是要獲取值的字典對(duì)象。

a是字典中的一個(gè)鍵（key）。

[a]表示取鍵a對(duì)應(yīng)的值。

9.6 列表索引取值

my_dict = {'a': 1, 'b': 2, 'c': 3}
values = list(my_dict.values())[0]
print(values)  

【終端輸出】

1

10. random.choices()返回序列的隨機(jī)元素

【作用】

random.choices()函數(shù)用于從給定的序列中隨機(jī)選擇指定數(shù)量的元素，可以重復(fù)選擇同一個(gè)元素。

【語(yǔ)法】

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

population[?p?pju?le??n]：總體。

weights[we?ts]：體重、權(quán)重。

cumulative[?kju?mj?l?t?v]：累積的。

cum_weights：累計(jì)權(quán)重。

【參數(shù)說(shuō)明】

• population：必選參數(shù)，表示要操作的序列，可以是列表、元組、字符串等。

• weights：可選參數(shù)，表示每個(gè)元素的相對(duì)權(quán)重，必須是一個(gè)與population長(zhǎng)度相同的列表，如果不指定，則所有元素的權(quán)重相等。

• cum_weights：可選參數(shù)，表示每個(gè)元素的累積權(quán)重，必須是一個(gè)與population長(zhǎng)度相同的列表，如果不指定，則根據(jù)weights計(jì)算出累積權(quán)重。

• k：可選參數(shù)，表示要選擇的元素?cái)?shù)量，默認(rèn)為1。

【相對(duì)權(quán)重和累計(jì)權(quán)重的區(qū)別】

相對(duì)權(quán)重是指在一組數(shù)據(jù)中，每個(gè)數(shù)據(jù)所占的比例或重要性。相對(duì)權(quán)重的計(jì)算方法是將每個(gè)數(shù)據(jù)除以所有數(shù)據(jù)的總和，得到每個(gè)數(shù)據(jù)的相對(duì)權(quán)重值。相對(duì)權(quán)重通常用于比較不同數(shù)據(jù)之間的重要性或影響力。

累計(jì)權(quán)重是指在一組數(shù)據(jù)中，每個(gè)數(shù)據(jù)的權(quán)重值逐步累加的過(guò)程。累計(jì)權(quán)重的計(jì)算方法是將每個(gè)數(shù)據(jù)的權(quán)重值依次相加，得到每個(gè)數(shù)據(jù)的累計(jì)權(quán)重值。累計(jì)權(quán)重通常用于計(jì)算某個(gè)數(shù)據(jù)在整個(gè)數(shù)據(jù)集中的重要性或排名。

例如，如果有一個(gè)列表[1,2,3,4]，并且指定了相對(duì)權(quán)重[1，2，3，4]，則元素4的被選中的概率是元素1的概率的4倍。

例如，如果有一個(gè)列表[1,2,3,4]，并且指定了累積權(quán)重[1，3，6，,0]，則元素4的概率被選中的概率是元素1的概率的10倍。

如果還是不明白，可以這樣理解：

當(dāng)weight=[1, 2, 3, 4]時(shí)，則cum_weights=[1, 3, 6, 10]

• 1+2=3
• 1+2+3=6
• 1+2+3+4=10

這就是逐步累加的過(guò)程。

如果還是不明白，那就放棄吧，對(duì)現(xiàn)階段學(xué)Python沒什么意義，寫出來(lái)就是擴(kuò)展點(diǎn)大家的知識(shí)面而已。

【返回值】

返回一個(gè)列表，包含k個(gè)隨機(jī)選擇的元素。

【代碼示例】

import random
# 從列表中隨機(jī)選擇一個(gè)元素，沒有k參數(shù)的時(shí)候，默認(rèn)取1個(gè)元素
lst = ['張三', '李四', '王五', '趙六']
print(random.choices(lst)) # 
# 從列表中隨機(jī)選擇兩個(gè)元素 k=2，取2個(gè)元素
print(random.choices(lst, k=2)) # 
# 從列表中隨機(jī)選擇三個(gè)元素，k=3，取3個(gè)元素
# 其中張三的權(quán)重為2，李四的權(quán)重為1，王五和趙六的權(quán)重為3
print(random.choices(lst, weights=[2, 1, 3, 3], k=3)) 

【終端輸出】

['張三']
['趙六', '張三']
['趙六', '王五', '李四']

11. random.choices和random.choice的異同

【相同點(diǎn)】

• 都是從給定的序列中隨機(jī)選擇元素。

• 都可以用于列表、元組、字符串等序列類型。

【不同點(diǎn)】

• random.choices可以從序列中選擇多個(gè)元素，而random.choice只能選擇一個(gè)元素。

• random.choices可以指定每個(gè)元素被選擇的概率，而random.choice選擇的是等概率的。

• random.choices返回的是一個(gè)列表，而random.choice返回的是一個(gè)單獨(dú)的元素。

12. random.expovariate-返回指數(shù)分布的隨機(jī)數(shù)

expovariate指數(shù)變量。

【作用】

random.expovariate用于生成指數(shù)分布的隨機(jī)數(shù)。

【什么是指數(shù)分布】

指數(shù)分布是一種連續(xù)概率分布，常用于描述一些隨機(jī)事件的時(shí)間間隔，如等待時(shí)間、到達(dá)時(shí)間等。

它的概率密度函數(shù)為f(x) = λe^(-λx)，其中λ為分布參數(shù)，x為隨機(jī)變量。

指數(shù)分布具有無(wú)記憶性，即在已知事件發(fā)生的時(shí)間點(diǎn)后，下一次事件發(fā)生的時(shí)間與上一次事件發(fā)生的時(shí)間無(wú)關(guān)。

指數(shù)分布在可靠性工程、生物學(xué)、經(jīng)濟(jì)學(xué)等領(lǐng)域中有廣泛應(yīng)用。

【語(yǔ)法】

random.expovariate(lambd)

【參數(shù)說(shuō)明】

lambd：拉姆達(dá)，希臘字母的第11個(gè)， λ。

lambd：指數(shù)分布的參數(shù)，也稱為速率參數(shù)，表示單位時(shí)間內(nèi)發(fā)生事件的平均次數(shù)。

lambd表示1.0除以所需的平均值，該指為非0。

如果lambd為正，返回的值的范圍為0到正無(wú)窮大。

如果lambd為負(fù)，返回的值的范圍從負(fù)無(wú)窮大到0.

【返回值】

返回一個(gè)符合指數(shù)分布的隨機(jī)數(shù)。

【lambd為正】

import random
lambd = 0.5
x = random.expovariate(lambd)
print(x)

【終端輸出】

0.5572420727942687

【lambd為負(fù)】

import random

lambd = -0.8
x = random.expovariate(lambd)
print(x)

【終端輸出】

-0.2489617561974653

13. random.gammavariate-返回以Gamma分布的隨機(jī)數(shù)

gammavariate：伽瑪變量。

gamma：伽瑪，希臘字母表中第3字母 γ。

【作用】

random.gammavariate函數(shù)用于生成符合Gamma分布的隨機(jī)數(shù)。

【什么是Gamma分布】

Gamma分布是一種連續(xù)概率分布，常用于描述隨機(jī)事件發(fā)生的時(shí)間間隔或持續(xù)時(shí)間。

它的概率密度函數(shù)為：

【返回值】

返回一個(gè)符合Gamma分布的隨機(jī)數(shù)。

【代碼示例】

import random
# 生成符合Gamma分布的隨機(jī)數(shù)
alpha = 2
beta = 1
x = random.gammavariate(alpha, beta)
print(x)

【終端輸出】

2.0457066268448707

【生成5個(gè)服從Gamma分布的隨機(jī)數(shù)】

import random
for i in range(5):
    print(random.gammavariate(2, 1))

【終端輸出】

0.36675044434061005
3.5617162671776015
2.441417900614287
2.913293585705838
3.0622343724484318

14. random.gauss-一個(gè)符合高斯分布的隨機(jī)數(shù)

gauss[ɡa?s]：高斯。

【作用】

random.gauss函數(shù)用于生成一個(gè)符合高斯分布的隨機(jī)數(shù)。

【什么是高斯分布】

高斯分布，也稱為正態(tài)分布，是一種常見的概率分布。

它的概率密度函數(shù)呈鐘形曲線，中心對(duì)稱，具有一個(gè)峰值，兩側(cè)逐漸趨于無(wú)窮小。

高斯分布的特點(diǎn)是均值和標(biāo)準(zhǔn)差決定了它的形狀和位置。

在自然界和社會(huì)現(xiàn)象中，很多現(xiàn)象都可以用高斯分布來(lái)描述，例如身高、體重、智力、收入等。高斯分布在統(tǒng)計(jì)學(xué)、物理學(xué)、工程學(xué)、經(jīng)濟(jì)學(xué)等領(lǐng)域都有廣泛的應(yīng)用。

【語(yǔ)法】

random.gauss(mu, sigma)

【參數(shù)說(shuō)明】

• mu：高斯分布的均值（期望值）。

• sigma：高斯分布的標(biāo)準(zhǔn)差。

mu：繆，希臘字母表中第12個(gè)字母， μ。

sigma：西格瑪，希臘字母表中第18個(gè)字母，σ。

【返回值】

返回一個(gè)符合高斯分布的隨機(jī)數(shù)。

【代碼示例】

import random
mu = 0  # 均值
sigma = 1  # 標(biāo)準(zhǔn)差
x = random.gauss(mu, sigma)
print(x)

【終端輸出】

-1.0577354695155303

以上就是python random模塊常用函數(shù)使用教程的詳細(xì)內(nèi)容，更多關(guān)于python random模塊函數(shù)的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

最新評(píng)論