<sup id="sjju3"><noscript id="sjju3"></noscript></sup>
    <big id="sjju3"></big>

  • <blockquote id="sjju3"></blockquote>
    <blockquote id="sjju3"></blockquote>

      <td id="sjju3"></td>

      <big id="sjju3"></big>
        <code id="sjju3"><strong id="sjju3"><dl id="sjju3"></dl></strong></code>
      1. 详解Python基础random模块随机数的生成

         更新时间:2019年03月23日 11:11:04   作者:袁霄   我要评论

        这篇文章主要介绍了Python基础random模块随机数的生成,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧

        随机数参与的应用场景大家一定不会陌生,比如密码?#21451;?#26102;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。

        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) 。

        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]。

        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。

        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]。

        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。

        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?#33041;?#26469;的列表,可以使用 copy 模块先拷贝一份原来的列表。

        num = [1, 2, 3, 4, 5]
        random.shuffle(num)
        print("shuffle: ",num)
        #shuffle: [1, 3, 5, 4, 2]

        7、random.sample(items, n) 从列表 items 中随机取出 n 个元素。

        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。

        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。

        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
        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?#21152;?#31216;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:
         [[-1.45436567 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?#35789;保?#40664;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:
         [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?#20301;?#29983;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?#25105;?#38382;请给我留言,小编会及时回复大家的。在此也非常?#34892;?#22823;家对脚本之家网站的支持!

        相关文章

        最新评论

        2018白小姐一肖中特马
        <sup id="sjju3"><noscript id="sjju3"></noscript></sup>
        <big id="sjju3"></big>

      2. <blockquote id="sjju3"></blockquote>
        <blockquote id="sjju3"></blockquote>

          <td id="sjju3"></td>

          <big id="sjju3"></big>
            <code id="sjju3"><strong id="sjju3"><dl id="sjju3"></dl></strong></code>
          1. <sup id="sjju3"><noscript id="sjju3"></noscript></sup>
            <big id="sjju3"></big>

          2. <blockquote id="sjju3"></blockquote>
            <blockquote id="sjju3"></blockquote>

              <td id="sjju3"></td>

              <big id="sjju3"></big>
                <code id="sjju3"><strong id="sjju3"><dl id="sjju3"></dl></strong></code>