您的位置:首页 > 脚本大全 > > 正文

python模块学习之random模块(详解Python基础random模块随机数的生成)

更多 时间:2021-10-27 10:15:40 类别:脚本大全 浏览量:1154

python模块学习之random模块

详解Python基础random模块随机数的生成

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。

  • ?
  • 1
  • import random
  • 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) 。

  • ?
  • 1
  • 2
  • 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]。

  • ?
  • 1
  • 2
  • 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。

  • ?
  • 1
  • 2
  • print("randrange: ",random.randrange(20,100,5))
  • #randrange: 85
  • 4、random.uniform(a, b) 随机生成 a 与 b 之间的浮点数[a, b]。

  • ?
  • 1
  • 2
  • print("uniform: ",random.uniform(5,10))
  • #uniform: 5.119790163375776
  • 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。

  • ?
  • 1
  • 2
  • print("choice: ",random.choice("www.yuanxiao.net"))
  • #choice: y
  • 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。

  • ?
  • 1
  • 2
  • 3
  • 4
  • num = [1, 2, 3, 4, 5]
  • random.shuffle(num)
  • print("shuffle: ",num)
  • #shuffle: [1, 3, 5, 4, 2]
  • 7、random.sample(items, n) 从列表 items 中随机取出 n 个元素。

  • ?
  • 1
  • 2
  • 3
  • num = [1, 2, 3, 4, 5]
  • print("sample: ",random.sample(num, 3))
  • #sample: [4, 1, 5]
  • 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。

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 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
  • 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。

  • ?
  • 1
  • import numpy as np
  • 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)

    1. rand函数根据给定维度生成[0,1]之间的数据,包含0,不包含1
    2. dn表格每个维度
    3. 返回值为指定维度的array
  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 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)

    1. randn函数返回一个或一组样本,具有标准正态分布。
    2. dn表格每个维度
    3. 返回值为指定维度的array
    4. 标准正态分布—-standard normal distribution
    5. 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)。
  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 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:
  •  [[-1.45436567 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')

    1. 返回随机整数,范围区间为[low,high),包含low,不包含high
    2. 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
    3. high没有填写时,默认生成随机数的范围是[0,low]
  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 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:
  •  [0 0 0 0 0]
  • """
  • 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]]
  • """
  • 4、numpy.random.seed()

    1. np.random.seed()的作用:使得随机数据可预测。
    2. 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

    以上所述是小编给大家介绍的Python基础random模块随机数的生成详解整合,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开心学习网网站的支持!

    原文链接:https://www.imooc.com/article/282986

    您可能感兴趣