Python的Random庫的使用方法詳解
python–random庫基本介紹
random庫是使用隨機數(shù)的Python標準庫
python中用于生成偽隨機數(shù)的函數(shù)庫是random
因為是標準庫，使用時候只需要import random
random庫包含兩類函數(shù)，常用的共9個
基本隨機函數(shù)： seed(),和random()
- seed(a=None)
初始化給定的隨機數(shù)種子，默認為當前系統(tǒng)時間
random.seed(10)
產(chǎn)生種子10對應的序列
- random()
生成一個[0.0,1.0)之間的隨機小數(shù)
random.random()
0.5714025946899135
隨機數(shù)產(chǎn)生與種子有關(guān)，如果種子是1哦，第一個數(shù)必定是這個
使用隨機數(shù)種子的好處是可以復現(xiàn)有隨機數(shù)的程序
常用的經(jīng)過擴展的 random()方法
擴展隨機函數(shù)：
在random庫中，最基本的是seed 和random 函數(shù)，但時功能比較單一，為此產(chǎn)生了6個擴展隨機數(shù)函數(shù)
- randint(a,b)
生成一個[a,b]之間的整數(shù)
random.randint(10,100)
- randrange(m,n[,k])
生成一個[m,n)之間以k為步長的隨機整數(shù)
random.randrange(10,100,10)
- getrandbits(k)
生成一個k比特長的隨機整數(shù)
random.getrandbits(16)
37885
- uniform(a,b)
生成一個[a,b]之間的隨機小數(shù)
random.uniform(10,100)
16.848041210321334
- choice(seq)
序列相關(guān)
從序列中隨機選擇一個元素
- random.choice([1, 2, 3, 4, 5, 6, 7, 8, 9])
8
shuffle(seq)
將序列seq中元素隨機排列,返回打亂后的序列
s=[1, 2, 3, 4, 5, 6, 7, 8, 9]; random.shuffle(s); print(s)
[9, 4, 6, 3, 5, 2, 8, 7, 1]
舉例一個常見的例子
- 隨機整數(shù)：
代碼如下:
import random random.randint(0,99)
21
- 隨機選取0到100間的偶數(shù)：
代碼如下:
import random random.randrange(0, 101, 2)
42
- 隨機浮點數(shù)：
代碼如下:
import random random.random() 0.85415370477785668 random.uniform(1, 10)
5.4221167969800881
- 隨機字符：
代碼如下:
import random
random.choice('abcdefg&#%^*f')'d'
- 多個字符中選取特定數(shù)量的字符：
代碼如下:
import random
random.sample('abcdefghij', 3)['a', 'd', 'b']
- 多個字符中選取特定數(shù)量的字符組成新字符串：
代碼如下:
import random ''.join( random.sample(['a','b','c','d','e','f','g','h','i','j'], 3) )
'fih'
- 隨機選取字符串：
代碼如下:
import random random.choice ( ['apple', 'pear', 'peach', 'orange', 'lemon'] )
'lemon'
- 洗牌：
代碼如下:
import random items = [1, 2, 3, 4, 5, 6] random.shuffle(items)
[3, 2, 5, 6, 4, 1]
到此這篇關(guān)于Python的Random庫的使用方法詳解的文章就介紹到這了,更多相關(guān)Python的Random庫內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
這篇文章主要為大家介紹了?Python字典的增刪改查，具有一定的參考價值，感興趣的小伙伴們可以參考一下，希望能夠給你帶來幫助2022-01-01
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
類別型特征（categorical?feature）主要是指職業(yè)，血型等在有限類別內(nèi)取值的特征。在這篇文章中，小編將給大家分享一下16種類別特征處理方法，需要的可以參考一下2022-09-09
這篇文章主要介紹了通過python為你的股票繪制趨勢圖,動手寫個小程序， 把股票趨勢每天早上發(fā)到郵箱里，用 python 的 pandas, matplotlib 寫起來很容易， 幾十行代碼搞定。,需要的朋友可以參考下2019-06-06
Python的Itetool是一個模塊，它提供了各種函數(shù)，這些函數(shù)在迭代器上工作以產(chǎn)生復雜的迭代器。該模塊作為一個快速，內(nèi)存效率的工具，可以單獨使用或組合使用以形成迭代器代數(shù)。本文就來和大家詳細聊聊無限迭代器，感興趣的可以了解一下2022-09-09
這篇文章主要介紹了在python中設(shè)置柱狀圖參數(shù)的操作，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2021-05-05
Keras預訓練的ImageNet模型實現(xiàn)分類操作
這篇文章主要介紹了Keras預訓練的ImageNet模型實現(xiàn)分類操作，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-07-07
作者分享了在業(yè)務場景中如何優(yōu)化接口查詢的實踐經(jīng)驗,主要面臨的問題是需要隨機獲取上游查詢接口的結(jié)果,提出了兩種方案,方案一是反復查詢并隨機獲取查詢結(jié)果；方案二是查詢一次,然后隨機從查詢結(jié)果中獲取,通過實測比較,方案二的性能提升較大2024-10-10
本文主要介紹了Python numpy.add函數(shù)的具體使用,numpy.add函數(shù)不僅僅是一個簡單的加法操作,更是一個功能強大且高度優(yōu)化的工具,可適用于各種復雜的數(shù)值計算和數(shù)據(jù)處理任務,感興趣的可以了解一下2023-12-12
這篇文章主要介紹了Python如何獲取多線程返回結(jié)果，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