欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

python中random隨機(jī)函數(shù)詳解

 更新時(shí)間:2022年02月11日 09:52:25   作者:small__roc  
大家好,本篇文章主要講的是python中random隨機(jī)函數(shù)詳解,感興趣的同學(xué)趕快來看一看吧,對(duì)你有幫助的話記得收藏一下

加載相關(guān)庫

import random
import seaborn as sns
import matplotlib.pyplot as plt

# 解決中文不顯示的問題
from pylab import mpl
mpl.rcParams['font.sans-serif']=['SimHei']
# 解決正負(fù)號(hào)不顯示問題
plt.rcParams['axes.unicode_minus']=False 

一、random基礎(chǔ)

random.random()                                  # 返回隨機(jī)生成的一個(gè)實(shí)數(shù),它在[0,1)范圍內(nèi)。
random.randint(1,10)                             # 產(chǎn)生 1 到 10 的一個(gè)整數(shù)型隨機(jī)數(shù)
random.randrange(1,100,2)                        # 生成從1到100的間隔為2的隨機(jī)整數(shù)
random.uniform(1.1,5.4)                          # 產(chǎn)生  1.1 到 5.4 之間的隨機(jī)浮點(diǎn)數(shù),區(qū)間可以不是整數(shù)
random.choice('tomorrow')                        # 從序列中隨機(jī)選取一個(gè)元素
random.sample('zyxwvutsrqponmlkjihgfedcba',5)    # 多個(gè)字符中生成指定數(shù)量的隨機(jī)字符

# 打亂排序
items = [1, 2, 3, 4, 5, 6, 7, 8, 9, 0]
random.shuffle(items)
print(items)

items:[3, 8, 4, 1, 7, 0, 6, 2, 9, 5]

二、實(shí)數(shù)分布

2.1 對(duì)稱分布

random.triangular(low, high, mode)

返回一個(gè)隨機(jī)浮點(diǎn)數(shù) N ,使得 low <= N <= high 并在這些邊界之間使用指定的 mode 。 low 和 high 邊界默認(rèn)為零和一。 mode 參數(shù)默認(rèn)為邊界之間的中點(diǎn),給出對(duì)稱分布。

n = 10000
x = [random.triangular(1, 10, 2) for i in range(n)]
sns.distplot(x)  # 默認(rèn)

在這里插入圖片描述

2.2 指數(shù)分布

random.expovariate(lambd)

lambd 是 1.0 除以所需的平均值,它應(yīng)該是非零的。 (該參數(shù)本應(yīng)命名為 “lambda” ,但這是 Python 中的保留字。)如果 lambd 為正,則返回值的范圍為 0 到正無窮大;如果 lambd 為負(fù),則返回值從負(fù)無窮大到 0。

n = 10000
x = [random.expovariate(1) for i in range(n)]
sns.distplot(x)  # 默認(rèn)

在這里插入圖片描述

2.3 Beta 分布

random.betavariate(alpha, beta)

參數(shù)的條件是 alpha > 0 和 beta > 0。 返回值的范圍介于 0 和 1 之間。

n = 10000
x = [random.betavariate(1, 1) for i in range(n)]
sns.distplot(x)  # 默認(rèn)

在這里插入圖片描述

2.4 Gamma 分布

random.gammavariate(alpha, beta)

( 不是 gamma 函數(shù)! ) 參數(shù)的條件是 alpha > 0 和 beta > 0。

n = 10000
x = [random.gammavariate(10, 10) for i in range(n)]
sns.distplot(x)  # 默認(rèn)

在這里插入圖片描述

2.5 高斯分布

random.gauss(mu, sigma)

mu 是平均值,sigma 是標(biāo)準(zhǔn)差。 這比下面定義的 normalvariate() 函數(shù)略快。

n = 10000
x = [random.gauss(10, 1) for i in range(n)]
sns.distplot(x)  # 默認(rèn)

在這里插入圖片描述

2.6 對(duì)數(shù)正態(tài)分布

random.lognormvariate(mu, sigma)

如果你采用這個(gè)分布的自然對(duì)數(shù),你將得到一個(gè)正態(tài)分布,平均值為 mu 和標(biāo)準(zhǔn)差為 sigma 。 mu 可以是任何值,sigma 必須大于零。

n = 10000
x = [random.lognormvariate(-100, 1) for i in range(n)]
sns.distplot(x)  # 默認(rèn)

在這里插入圖片描述

2.7 正態(tài)分布

random.normalvariate(mu, sigma)

mu 是平均值,sigma 是標(biāo)準(zhǔn)差。

n = 10000
x = [random.normalvariate(100, 10) for i in range(n)]
sns.distplot(x)  # 默認(rèn)

在這里插入圖片描述

2.8 馮·米塞斯分布

random.vonmisesvariate(mu, kappa)

mu 是平均角度,以弧度表示,介于0和 2pi 之間,kappa 是濃度參數(shù),必須大于或等于零。 如果 kappa 等于零,則該分布在 0 到 2pi 的范圍內(nèi)減小到均勻的隨機(jī)角度.

n = 10000
x = [random.vonmisesvariate(4, 0) for i in range(n)]
sns.distplot(x)  # 默認(rèn)

在這里插入圖片描述

2.9 帕累托分布

random.paretovariate(alpha)

alpha 是形狀參數(shù)。

n = 10000
x = [random.paretovariate(100) for i in range(n)]
sns.distplot(x)  # 默認(rèn)

在這里插入圖片描述

2.10 威布爾分布

random.weibullvariate(alpha, beta)

alpha 是比例參數(shù),beta 是形狀參數(shù)。

n = 10000
x = [random.weibullvariate(100,10) for i in range(n)]
sns.distplot(x)  # 默認(rèn)

在這里插入圖片描述

總結(jié)

到此這篇關(guān)于python中random隨機(jī)函數(shù)詳解的文章就介紹到這了,更多相關(guān)python random隨機(jī)數(shù)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

最新評(píng)論