本文我們詳細(xì)地介紹下兩個(gè)模塊關(guān)于生成隨機(jī)序列的其他使用方法。

隨機(jī)數(shù)參與的應(yīng)用場景大家一定不會(huì)陌生，比如密碼加鹽時(shí)會(huì)在原密碼上關(guān)聯(lián)一串隨機(jī)數(shù)，蒙特卡洛算法會(huì)通過隨機(jī)數(shù)采樣等等。Python內(nèi)置的random模塊提供了生成隨機(jī)數(shù)的方法，使用這些方法時(shí)需要導(dǎo)入random模塊。

import random

下面介紹下Python內(nèi)置的random模塊的幾種生成隨機(jī)數(shù)的方法。

1、random.random()隨機(jī)生成 0 到 1 之間的浮點(diǎn)數(shù)[0.0, 1.0)。注意的是返回的隨機(jī)數(shù)可能會(huì)是 0 但不可能為 1，即左閉右開的區(qū)間。

print("random: ", random.random())
#random: 0.5714025946899135

2、random.randint(a , b)隨機(jī)生成 a 與 b 之間的整數(shù)[a, b]，a<=n<=b，隨機(jī)整數(shù)不包含 b 時(shí)[a, b)可以使用 random.randrange() 方法。

print("randint: ", random.randint(6,8))
#randint: 8

3、random.randrange(start,stop,step)按步長step隨機(jī)在上下限范圍內(nèi)取一個(gè)隨機(jī)數(shù)，start<=n<stop。

print("randrange: ",random.randrange(20,100,5))
#randrange: 85

4、random.uniform(a, b)隨機(jī)生成 a 與 b 之間的浮點(diǎn)數(shù)[a, b]，a<=n<=b。

print("uniform: ",random.uniform(5,10))
#uniform: 5.119790163375776

5、random.choice()從列表中隨機(jī)取出一個(gè)元素，比如列表、元祖、字符串等。注意的是，該方法需要參數(shù)非空，否則會(huì)拋出 IndexError 的錯(cuò)誤。

print("choice: ",random.choice("www.yuanxiao.net"))
#choice: y

6、random.shuffle(items) 把列表 items 中的元素隨機(jī)打亂。注意的是，如果不想修改原來的列表，可以使用 copy 模塊先拷貝一份原來的列表。

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

7、random.sample(items, n)從列表 items 中隨機(jī)取出 n 個(gè)元素。

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

Python 的random模塊產(chǎn)生的隨機(jī)數(shù)其實(shí)是偽隨機(jī)數(shù)，依賴于特殊算法和指定不確定因素(種子seed)來實(shí)現(xiàn)。如randint方法生成一定范圍內(nèi)的隨機(jī)數(shù)，會(huì)先指定一個(gè)特定的seed，將seed通過特定的隨機(jī)數(shù)產(chǎn)生算法，得到一定范圍內(nèi)隨機(jī)分布的隨機(jī)數(shù)。因此對于同一個(gè)seed值的輸入產(chǎn)生的隨機(jī)數(shù)會(huì)相同，省略參數(shù)則意味著使用當(dāng)前系統(tǒng)時(shí)間秒數(shù)作為種子值，達(dá)到每次運(yùn)行產(chǎn)生的隨機(jī)數(shù)都不一樣。

random.seed(2)
print("random: ", random.random())
#random: 0.9560342718892494
random.seed(3)
print("random: ", random.random())
#random: 0.23796462709189137
random.seed(3)#同一個(gè)種子值，產(chǎn)生的隨機(jī)數(shù)相同
print("random: ", random.random())
#random: 0.23796462709189137

numpy庫也提供了random模塊，用于生成多維度數(shù)組形式的隨機(jī)數(shù)。使用時(shí)需要導(dǎo)入numpy庫。

import numpy as np

下面介紹下numpy庫的random模塊的幾種生成隨機(jī)數(shù)的方法。

1、numpy.random.rand(d0,d1,…,dn)

• rand函數(shù)根據(jù)給定維度生成[0,1]之間的數(shù)據(jù)，包含0，不包含1
• dn表格每個(gè)維度
  

返回值為指定維度的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)

• randn函數(shù)返回一個(gè)或一組樣本，具有標(biāo)準(zhǔn)正態(tài)分布。
• dn表格每個(gè)維度
• 返回值為指定維度的array
  

標(biāo)準(zhǔn)正態(tài)分布—-standard normal distribution
標(biāo)準(zhǔn)正態(tài)分布又稱為u分布，是以0為均值、以1為標(biāo)準(zhǔn)差的正態(tài)分布，記為N（0，1）。

print("np.random.randn：\n {}".format(np.random.randn())) 
# 當(dāng)沒有參數(shù)時(shí)，返回單個(gè)數(shù)據(jù)
"""
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')

返回隨機(jī)整數(shù)，范圍區(qū)間為[low,high），包含low，不包含high
參數(shù)：low為最小值，high為最大值，size為數(shù)組維度大小，dtype為數(shù)據(jù)類型，默認(rèn)的數(shù)據(jù)類型是np.int
high沒有填寫時(shí)，默認(rèn)生成隨機(jī)數(shù)的范圍是[0，low]

print("np.random.randint：\n {}".format(np.random.randint(1,size=5)))
# 返回[0,1)之間的整數(shù)，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個(gè)[1,5)時(shí)間的隨機(jī)整數(shù)
"""
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()

np.random.seed()的作用：使得隨機(jī)數(shù)據(jù)可預(yù)測。

當(dāng)我們設(shè)置相同的seed，每次生成的隨機(jī)數(shù)相同。如果不設(shè)置seed，則每次會(huì)生成不同的隨機(jī)數(shù)

總結(jié)

以上所述是小編給大家介紹的Python內(nèi)置random模塊生成隨機(jī)數(shù)的方法,希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會(huì)及時(shí)回復(fù)大家的。在此也非常感謝大家對腳本之家網(wǎng)站的支持！
如果你覺得本文對你有幫助，歡迎轉(zhuǎn)載，煩請注明出處，謝謝！

最新評論