Python内置random模块生成随机数的方法
本文我们详细地介绍下两个模块关于生成随机序列的其他使用方法。
随机数参与的应用场景大家一定不会陌生,比如密码加盐时会在原密码上关联一串随机数,蒙特卡洛算法会通过随机数采样等等。Python内置的random模块提供了生成随机数的方法,使用这些方法时需要导入random模块。
importrandom
下面介绍下Python内置的random模块的几种生成随机数的方法。
1、random.random()随机生成0到1之间的浮点数[0.0,1.0)。注意的是返回的随机数可能会是0但不可能为1,即左闭右开的区间。
print("random:",random.random()) #random:0.5714025946899135
2、random.randint(a,b)随机生成a与b之间的整数[a,b],a<=n<=b,随机整数不包含b时[a,b)可以使用random.randrange()方法。
print("randint:",random.randint(6,8)) #randint:8
3、random.randrange(start,stop,step)按步长step随机在上下限范围内取一个随机数,start<=n 4、random.uniform(a,b)随机生成a与b之间的浮点数[a,b],a<=n<=b。 5、random.choice()从列表中随机取出一个元素,比如列表、元祖、字符串等。注意的是,该方法需要参数非空,否则会抛出IndexError的错误。 6、random.shuffle(items)把列表items中的元素随机打乱。注意的是,如果不想修改原来的列表,可以使用copy模块先拷贝一份原来的列表。 7、random.sample(items,n)从列表items中随机取出n个元素。 Python的random模块产生的随机数其实是伪随机数,依赖于特殊算法和指定不确定因素(种子seed)来实现。如randint方法生成一定范围内的随机数,会先指定一个特定的seed,将seed通过特定的随机数产生算法,得到一定范围内随机分布的随机数。因此对于同一个seed值的输入产生的随机数会相同,省略参数则意味着使用当前系统时间秒数作为种子值,达到每次运行产生的随机数都不一样。 numpy库也提供了random模块,用于生成多维度数组形式的随机数。使用时需要导入numpy库。 importnumpyasnp 下面介绍下numpy库的random模块的几种生成随机数的方法。 1、numpy.random.rand(d0,d1,…,dn) 返回值为指定维度的array 2、numpy.random.randn(d0,d1,…,dn) 标准正态分布—-standardnormaldistribution 3、numpy.random.randint(low,high=None,size=None,dtype='l') 返回随机整数,范围区间为[low,high),包含low,不包含high 4、numpy.random.seed() np.random.seed()的作用:使得随机数据可预测。 当我们设置相同的seed,每次生成的随机数相同。如果不设置seed,则每次会生成不同的随机数 总结 以上所述是小编给大家介绍的Python内置random模块生成随机数的方法,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对毛票票网站的支持!
print("randrange:",random.randrange(20,100,5))
#randrange:85
print("uniform:",random.uniform(5,10))
#uniform:5.119790163375776
print("choice:",random.choice("www.yuanxiao.net"))
#choice:y
num=[1,2,3,4,5]
random.shuffle(num)
print("shuffle:",num)
#shuffle:[1,3,5,4,2]
num=[1,2,3,4,5]
print("sample:",random.sample(num,3))
#sample:[4,1,5]
random.seed(2)
print("random:",random.random())
#random:0.9560342718892494
random.seed(3)
print("random:",random.random())
#random:0.23796462709189137
random.seed(3)#同一个种子值,产生的随机数相同
print("random:",random.random())
#random:0.23796462709189137
print("np.random.rand:\n{}".format(np.random.rand(4,2)))
#shape:4*3
"""
np.random.rand:
[[0.54881350.71518937]
[0.602763380.54488318]
[0.42365480.64589411]
[0.437587210.891773]]
"""
print("np.random.rand:\n{}".format(np.random.rand(4,3,2)))
#shape:4*3*2
"""
np.random.rand:
[[[0.963662760.38344152]
[0.791725040.52889492]
[0.568044560.92559664]]
[[0.071036060.0871293]
[0.02021840.83261985]
[0.778156750.87001215]]
[[0.978618340.79915856]
[0.461479360.78052918]
[0.118274430.63992102]]
[[0.143353290.94466892]
[0.521848320.41466194]
[0.264555610.77423369]]]
"""
标准正态分布又称为u分布,是以0为均值、以1为标准差的正态分布,记为N(0,1)。
print("np.random.randn:\n{}".format(np.random.randn()))
#当没有参数时,返回单个数据
"""
np.random.randn:
2.2697546239876076
"""
print("np.random.randn:\n{}".format(np.random.randn(2,4)))
"""
np.random.randn:
[[-1.454365670.04575852-0.187183851.53277921]
[1.469358770.154947430.37816252-0.88778575]]
"""
print("np.random.randn:\n{}".format(np.random.randn(4,3,2)))
"""
np.random.randn:
[[[-1.98079647-0.34791215]
[0.156348971.23029068]
[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]
[0.428331870.06651722]]]
"""
参数:low为最小值,high为最大值,size为数组维度大小,dtype为数据类型,默认的数据类型是np.int
high没有填写时,默认生成随机数的范围是[0,low]
print("np.random.randint:\n{}".format(np.random.randint(1,size=5)))
#返回[0,1)之间的整数,所以只有0
"""
np.random.randint:
[00000]
"""
print("np.random.randint:\n{}".format(np.random.randint(1,5)))#返回1个[1,5)时间的随机整数
"""
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]]
"""
如果你觉得本文对你有帮助,欢迎转载,烦请注明出处,谢谢!