random庫是使用隨機(jī)數(shù)的Python標(biāo)準(zhǔn)庫,random庫主要用于生成隨機(jī)數(shù),下面這篇文章主要給大家介紹了關(guān)于Python?random函數(shù)用法的相關(guān)資料,文中通過圖文以及實(shí)例代碼介紹的非常詳細(xì),需要的朋友可以參考下

首先我們需要導(dǎo)入random模塊

1. random.random(): 返回隨機(jī)生成的一個(gè)浮點(diǎn)數(shù)，范圍在[0,1)之間

import random
print(random.random())

2. random.uniform(a, b): 返回隨機(jī)生成的一個(gè)浮點(diǎn)數(shù)，范圍在[a, b)之間

import random
print(random.uniform(1,5))

3. random.randint(a,b)：生成指定范圍內(nèi)的整數(shù)

import random
print(random.randint(1,10))

4. random.randrange([start],stop[,step])：用于從指定范圍內(nèi)按指定基數(shù)遞增的集合中獲取一個(gè)隨機(jī)數(shù)。

例如random.randrange(10,100,2)，結(jié)果相當(dāng)于從 [10,12,14,16...96,98] 序列中獲取一個(gè)隨機(jī)數(shù)。random.randrange (10,100,2) 的結(jié)果上與 random.choice(range(10,100,2)) 等效。

import random
print(random.randrange(10,22,3))

5. random.choice()：從指定的序列中獲取一個(gè)隨機(jī)元素

random.choice()從序列中獲取一個(gè)隨機(jī)元素，其原型為random.choice(sequence)，參數(shù)sequence表示一個(gè)有序類型。這里說明一下，sequence在Python中不是一種特定的類型，而是泛指序列數(shù)據(jù)結(jié)構(gòu)。列表，元組，字符串都屬于sequence。

import random
print(random.choice('學(xué)習(xí)python'))   # 從字符串中隨機(jī)取一個(gè)字符
print(random.choice(['good', 'hello', 'is', 'hi', 'boy']))   # 從list列表中隨機(jī)取
print(random.choice(('str', 'tuple', 'list')))   # 從tuple元組中隨機(jī)取

6. random.shuffle(x[,random])：用于將一個(gè)列表中的元素打亂，隨機(jī)排序

import random
p=['hehe','xixi','heihei','haha','zhizhi','lala','momo..da']
random.shuffle(p)
print(p)
x = [1, 2, 3, 4, 5]
random.shuffle(x)
print(x)

7. random.sample(sequence,k)：用于從指定序列中隨機(jī)獲取指定長(zhǎng)度的片段，sample()函數(shù)不會(huì)修改原有序列。

import random
list1=[1,2,3,4,5,6,7,8,9,10]
slice=random.sample(list1,5)
print(slice)
#[8, 3, 5, 9, 10]
print(list1)
#[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
x = random.sample(range(0, 10), 5)
print(x, type(x))
#[9, 2, 7, 8, 6] <class 'list'>
Words = "AppleKMedoide"
print(random.sample(Words, 3))
#['p', 'M', 'A']
print(random.sample(Words, 3))
#['d', 'i', 'l']

下面的函數(shù)需要調(diào)用numpy庫

8. np.random.rand(d0, d1, …, dn): 返回一個(gè)或一組浮點(diǎn)數(shù)，范圍在[0, 1)之間

import random
import numpy as np
x = np.random.rand()
y = np.random.rand(4)
print(x,type(x))
#0.09842641570445387 <class 'float'>
print(y,type(y))
#[0.27298291 0.12350038 0.63977128 0.90791234] <class 'numpy.ndarray'>

9. np.random.normal(loc=a, scale=b, size=()): 返回滿足條件為均值=a, 標(biāo)準(zhǔn)差=b的正態(tài)分布（高斯分布）的概率密度隨機(jī)數(shù)

np.random.normal(loc=a, scale=b, size=()) - 返回滿足條件為均值=a, 標(biāo)準(zhǔn)差=b的正態(tài)分布（高斯分布）的概率密度隨機(jī)數(shù)，size默認(rèn)為None(返回1個(gè)隨機(jī)數(shù)），也可以為int或數(shù)組

import random
import numpy as np
x = np.random.normal(10,0.2,2)
print(x,type(x))
#[9.78391585 9.83981096] <class 'numpy.ndarray'>
y = np.random.normal(10,0.2)
print(y,type(y))
#9.871187751372984 <class 'float'>
z = np.random.normal(0,0.1,(2,3))
print(z,type(z))
#[[-0.07114831 -0.10258022 -0.12686863]
# [-0.08988384 -0.00647591  0.06990716]] <class 'numpy.ndarray'>
z = np.random.normal(0,0.1,[2,2])
print(z,type(z))
#[[ 0.07178268 -0.00226728]
# [ 0.06585013 -0.04385656]] <class 'numpy.ndarray'>

10 np.random.randn(d0, d1, … dn): 返回標(biāo)準(zhǔn)正態(tài)分布(均值=0，標(biāo)準(zhǔn)差=1)的概率密度隨機(jī)數(shù)

np.random.randn(d0, d1, ... dn): 返回標(biāo)準(zhǔn)正態(tài)分布(均值=0，標(biāo)準(zhǔn)差=1)的概率密度隨機(jī)數(shù),

import random
import numpy as np
x = np.random.randn()
y = np.random.randn(3)
z = np.random.randn(3, 3)
print(x, type(x))
print(y, type(y))
print(z, type(z))

11. np.random.standard_normal(size=()): 返回標(biāo)準(zhǔn)正態(tài)分布(均值=0，標(biāo)準(zhǔn)差=1)的概率密度隨機(jī)數(shù)

np.random.standard_normal(): 返回標(biāo)準(zhǔn)正態(tài)分布(均值=0，標(biāo)準(zhǔn)差=1)的概率密度隨機(jī)數(shù), size默認(rèn)為None(返回1個(gè)隨機(jī)數(shù)），也可以為int或數(shù)組

import random
import numpy as np
x = np.random.standard_normal()
y = np.random.standard_normal(size=(3,3))
print(x, type(x))
print(y, type(y))

np.random.rand()與np.random.standard_normal()的方法結(jié)果相似，都是返回合符標(biāo)準(zhǔn)正態(tài)分布的隨機(jī)浮點(diǎn)數(shù)或數(shù)組。

12. np.random.randint(a, b, size=(), dtype=int): 返回在范圍在[a, b)中的隨機(jī)整數(shù)（含有重復(fù)值）

np.random.randint(a, b, sizie=(), dytpe=int) - size默認(rèn)為None(返回1個(gè)隨機(jī)數(shù)），也可以為int或數(shù)組

import random
import numpy as np
# 從序列[0, 10)之間返回shape=(5,5)的10個(gè)隨機(jī)整數(shù)（包含重復(fù)值）
x = np.random.randint(0, 10, size=(5, 5))
# 從序列[15, 20)之間返回1個(gè)隨機(jī)整數(shù)（size默認(rèn)為None, 則返回1個(gè)隨機(jī)整數(shù)）
y = np.random.randint(15, 20)
print(x, type(x))
print(y, type(y))

13. random.seed(): 設(shè)定隨機(jī)種子

在設(shè)定隨機(jī)種子為10之后，random.random()的隨機(jī)數(shù)將被直接設(shè)定為：0.5714025946899135

import random
random.seed(10)
x = random.random()
print(x,type(x))
random.seed(10)
y = random.random()
print(y,type(y))
z = random.random()
print(z,type(z))

random隨機(jī)數(shù)是這樣生成的：我們將這套復(fù)雜的算法（是叫隨機(jī)數(shù)生成器吧）看成一個(gè)黑盒，把我們準(zhǔn)備好的種子扔進(jìn)去，它會(huì)返給你兩個(gè)東西，一個(gè)是你想要的隨機(jī)數(shù)，另一個(gè)是保證能生成下一個(gè)隨機(jī)數(shù)的新的種子，把新的種子放進(jìn)黑盒，又得到一個(gè)新的隨機(jī)數(shù)和一個(gè)新的種子，從此在生成隨機(jī)數(shù)的路上越走越遠(yuǎn)。

我們利用如下代碼進(jìn)行測(cè)試：

import numpy as np
if __name__ == '__main__':
    i = 0
    while i < 6:
        if i < 3:
            np.random.seed(0)
            print(np.random.randn(1, 5))
        else:
            print(np.random.randn(1, 5))
        i += 1
    i = 0
    while i < 2:
        print(np.random.randn(1, 5))
        i += 1
    print(np.random.randn(2, 5))
    np.random.seed(0)
    print("###################################")
    i = 0
    while i < 8:
        print(np.random.randn(1,5))
        i += 1

通過該實(shí)驗(yàn)我們可以得到以下結(jié)論：

兩次利用隨機(jī)數(shù)種子后，即便是跳出循環(huán)后，生成隨機(jī)數(shù)的結(jié)果依然是相同的。第一次跳出while循環(huán)后，進(jìn)入第二個(gè)while循環(huán)，得到的兩個(gè)隨機(jī)數(shù)組確實(shí)和加了隨機(jī)數(shù)種子不一樣。但是，后面的加了隨機(jī)數(shù)種子的，八次循環(huán)中的結(jié)果和前面的結(jié)果是一樣的。說明，隨機(jī)數(shù)種子對(duì)后面的結(jié)果一直有影響。同時(shí)，加了隨機(jī)數(shù)種子以后，后面的隨機(jī)數(shù)組都是按一定的順序生成的。
在同樣的隨機(jī)種子后第六次的隨機(jī)數(shù)生成結(jié)果，兩行五列的數(shù)組和兩個(gè)一行五列的數(shù)組結(jié)果相同。說明，在生成多行隨機(jī)數(shù)組時(shí)，是由單行隨機(jī)數(shù)組組合而成的。
利用隨機(jī)數(shù)種子，每次生成的隨機(jī)數(shù)相同，就是使后面的隨機(jī)數(shù)按一定的順序生成。當(dāng)隨機(jī)數(shù)種子參數(shù)為0和1時(shí)，生成的隨機(jī)數(shù)和我上面高亮的結(jié)果相同。說明該參數(shù)指定了一個(gè)隨機(jī)數(shù)生成的起始位置。每個(gè)參數(shù)對(duì)應(yīng)一個(gè)位置。并且在該參數(shù)確定后，其后面的隨機(jī)數(shù)的生成順序也就確定了。
隨機(jī)數(shù)種子的參數(shù)怎么選擇？我認(rèn)為隨意，這個(gè)參數(shù)只是確定一下隨機(jī)數(shù)的起始位置。

本文綜合參考了如下文章整理：