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)
- 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
- dn表格每个维度
- 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)
- randn函数返回一个或一组样本,具有标准正态分布。
- dn表格每个维度
- 返回值为指定维度的array
- 标准正态分布—-standard normal distribution
- 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')
- 返回随机整数,范围区间为[low,high),包含low,不包含high
- 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
- 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()
- np.random.seed()的作用:使得随机数据可预测。
- 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服务器之家网站的支持!
原文链接:https://www.imooc.com/article/282986