回答

收藏

Python随机模块22个函数详解

IT学院 IT学院 127 人阅读 | 0 人回复 | 2021-05-12

点击上方"蓝字",关注"Python当打之年"
后台回复"1",领取众多Python学习资料


[img=375,auto]https://mmbiz.qpic.cn/mmbiz_png/kluB5g3ic0VkiaiabDibGEdRIM5peTvKtC0xl7GBDmLVibvGzNSkBFXROViblpyYUfSYfXG2ngicTND03J5uNxIUt2USw/640?wx_fmt=png[/img]

随机数可以用于数学,游戏,安全等领域中,还经常被嵌入到算法中,用以提高算法效率,并提高程序的安全性。平时数据分析各种分布的数据构造也会用到。

random模块,用于生成伪随机数,之所以称之为伪随机数,是因为真正意义上的随机数(或者随机事件)在某次产生过程中是按照实验过程中表现的分布概率随机产生的,其结果是不可预测的,是不可见的。而计算机中的随机函数是按照一定算法模拟产生的,对于正常随机而言,会出现某个事情出现多次的情况。

但是伪随机,在事情触发前设定好,就是这个十个事件各发生一次,只不过顺序不同而已。现在MP3的随机列表就是用的伪随机,把要播放的歌曲打乱顺序,生成一个随机列表而已,每个歌曲都播放一次。真实随机的话,会有出现某首歌多放次的情况,歌曲基数越多,重放的概率越大。

注意:random()是不能直接访问的,需要导入 random 模块,然后通过 random 静态对象调用该方法。
import randomlist(dir(random))['BPF', 'LOG4','NV_MAGICCONST','RECIP_BPF','Random','SG_MAGICCONST','SystemRandom','TWOPI','betavariate','choice','choices','expovariate','gammavariate','gauss','getrandbits','getstate','lognormvariate','normalvariate','paretovariate','randint','random','randrange','sample','seed','setstate','shuffle','triangular','uniform','vonmisesvariate','weibullvariate']
#加载所需要的包
import randomimport matplotlib.pyplot as pltimport seaborn as sns


01 random


描述:random.random() 用于生成一个0到1的随机符点数: 0 <= n < 1.0

语法:random.random()
#生成一个随机数random.random()0.7186311708109537
#生成一个4位小数的随机列表[round(random.random(),4) for i in range(10)][0.1693, 0.4698, 0.5849, 0.6859, 0.2818, 0.216, 0.1976, 0.3171, 0.2522, 0.8012]
#生成一串随机数for i in range(10):print(random.random())0.43860556392473480.43944378539770780.2318629636828330.64831689635533420.121065812558118550.70438749865313550.387295196584986230.64922561571703930.4634250509335640.2298431522075462

02 choice


描述:从非空序列seq中随机选取一个元素。如果seq为空则弹出 IndexError异常。

语法:random.choice( seq)seq 可以是一个列表,元组或字符串。
L = [0,1,2,3,4,5]random.choice(L)2
L = 'wofeichangshuai'random.choice(L)'h'


03 choices


描述:从集群中随机选取k次数据,返回一个列表,可以设置权重。

注意每次选取都不会影响原序列,每一次选取都是基于原序列。

语法:random.choices(population,weights=None,*,cum_weights=None,k=1)

参数:

    population:集群。

    weights:相对权重。

    cum_weights:累加权重。

    k:选取次数。
a = [1,2,3,4,5]random.choices(a,k=5)[2, 5, 2, 1, 3]
random.choices(a,weights=[0,0,1,0,0],k=5)[3, 3, 3, 3, 3]
random.choices(a,weights=[1,1,1,1,1],k=5)[3, 1, 5, 2, 2]
#多次运行,5被抽到的概率为0.5,比其他的都大random.choices(a,weights=[0.1,0.1,0.2,0.3,0.5],k=5)[5, 4, 4, 4, 2]random.choices(a,weights=[0.1,0.1,0.2,0.3,0.5],k=5)[5, 4, 5, 5, 2]random.choices(a,weights=[0.1,0.1,0.2,0.3,0.5],k=5)[5, 2, 2, 5, 5]
random.choices(a,cum_weights=[1,1,1,1,1],k=5)[1, 1, 1, 1, 1]
对每一条语句不妨各自写一个循环语句让它输出个十遍八遍的,你就足以看出用法了。
结论:参数weights设置相对权重,它的值是一个列表,设置之后,每一个成员被抽取到的概率就被确定了。比如weights=[1,2,3,4,5],那么第一个成员的概率就是P=1/(1+2+3+4+5)=1/15。cum_weights设置累加权重,Python会自动把相对权重转换为累加权重,即如果你直接给出累加权重,那么就不需要给出相对权重,且Python省略了一步执行。比如weights=[1,2,3,4],那么cum_weights=[1,3,6,10],这也就不难理解为什么cum_weights=[1,1,1,1,1]输出全是第一


04 getrandbits


描述:返回一个不大于K位的Python整数(十进制),比如k=10,则结果在0~2^10之间的整数。

语法:random.getrandbits(k)
random.getrandbits(10)379


05 getstate


描述:返回一个捕获到的 生成器当前内部状态 的对象,可以将此对象传递给 setstate() 以恢复到这个状态。

语法:random.getstate()





06 setstate


描述:state 应该是从之前调用 getstate() 获得的,而 setstate() 将生成器的内部状态恢复到调用 getstate() 时的状态。根据下面的例子可以看出,由于生成器内部状态相同时会生成相同的下一个随机数,我们可以使用 getstate() 和 setstate() 对生成器内部状态进行获取和重置到某一状态下。

语法:random.setstate(state)
state = random.getstate()random.random()0.489148634943
random.random()0.22359638172661822
random.setstate(state)random.random()0.48914863494


07 randint


描述:用于生成一个指定范围内的整数。

语法:random.randint(a, b),其中参数a是下限,参数b是上限,生成的随机数n: a <= n <= b
random.randint(1, 8)3random.randint(1, 8)4

08 randrange


描述:按指定基数递增的集合中 获取一个随机数。如:random.randrange(10, 100, 2),结果相当于从[10, 12, 14, 16, … 96, 98]序列中获取一个随机数,random.randrange(10, 100, 2)在结果上与 random.choice(range(10, 100, 2) 等效。

语法:random.randrange([start], stop[, step])

    不指定step,随机生成[a,b)范围内一个整数。

    指定step,step作为步长会进一步限制[a,b)的范围,比如randrange(0,11,2)意即生成[0,11)范围内的随机偶数。

    不指定a,则默认从0开始。
#不限制[random.randrange(0,11) for i in range(5)][4, 6, 3, 9, 5]
#随机偶数,运行5个数[random.randrange(0,11,2) for i in range(5)][2, 4, 8, 8, 6]

09 sample


描述:从population样本或集合中随机抽取K个不重复的元素形成新的序列。常用于不重复的随机抽样。返回的是一个新的序列,不会破坏原有序列。要从一个整数区间随机抽取一定数量的整数,请使用sample(range(1000000), k=60)类似的方法,这非常有效和节省空间。如果k大于population的长度,则弹出ValueError异常。

语法:random.sample(population, k)

注意:与random.choices()的区别:一个是选取k次,一个是选取k个,选取k次的相当于选取后又放回,选取k个则选取后不放回。故random.sample()的k值不能超出集群的元素个数。
random.sample(range(1000), k=5)[82, 678, 664, 177, 376]
L = [0,1,2,3,4,5]random.sample(L,3)[5, 3, 1]
random.sample(L,3)[2, 4, 5]

10 seed


描述:初始化伪随机数生成器。如果未提供a或者a=None,则使用系统时间为种子。如果a是一个整数,则作为种子。伪随机数生成模块。如果不提供 seed,默认使用系统时间。使用相同的 seed,可以获得完全相同的随机数序列,常用于算法改进测试。

语法:random.seed(a=None, version=2)
a = random.Random()a.seed(1)[a.randint(1, 100) for i in range(20)][14, 85, 77, 26, 50, 45, 66, 79, 10, 3, 84, 44, 77, 1, 45, 73, 23, 95, 91, 4]
b =random.Random()b.seed(1)[b.randint(1, 100) for i in range(20)][14, 85, 77, 26, 50, 45, 66, 79, 10, 3, 84, 44, 77, 1, 45, 73, 23, 95, 91, 4]

11 shuffle


描述:用于将一个列表中的元素打乱。只能针对可变的序列,对于不可变序列,请使用下面的sample()方法。

语法:random.shuffle(x)
L = [0,1,2,3,4,5]random.shuffle(L)L[5, 4, 1, 0, 3, 2]

12 uniform


描述:产生[a,b]范围内一个随机浮点数。uniform()的a,b参数不需要遵循a<=b的规则,即a小b大也可以,此时生成[b,a]范围内的随机浮点数。

语法:random.uniform(x, y)
random.uniform(10, 11)10.789198208817488


13 triangular


描述:返回一个low <= N <=high的三角形分布的随机数。参数mode指明众数出现位置。

语法:random.triangular(low, high, mode)
data = [random.triangular(2,2,3) for i in range(20000)]#直方图plt.hist(data, bins=100,  color="#FF0000", alpha=.7)#密度图sns.kdeplot(data, shade=True,color="#FF0000")
直方图

      
[img=387,auto]https://mmbiz.qpic.cn/mmbiz_png/kluB5g3ic0VkiaiabDibGEdRIM5peTvKtC0xhTVhxdXM1ONRqgQVbUbS0Izic4Pg64UvFMN1ZiafOq3sz5l8NWrd0Sibw/640?wx_fmt=png[/img]
     

密度图无法显示

      
[img=372,auto]https://mmbiz.qpic.cn/mmbiz_png/kluB5g3ic0VkiaiabDibGEdRIM5peTvKtC0xjRhlKTc5QqJVOcmias5nKt3HcbT4FcBJzTngaVok5abRwZcqsGeQZVA/640?wx_fmt=png[/img]
     





14 vonmisesvariate


描述:卡帕分布

语法:vonmisesvariate(mu, kappa)
data = [random.vonmisesvariate(2,2) for i in range(20000)]#直方图plt.hist(data, bins=100,  color="#FF0000", alpha=.7)#密度图sns.kdeplot(data, shade=True,color="#FF0000")
直方图

      
[img=375,auto]https://mmbiz.qpic.cn/mmbiz_png/kluB5g3ic0VkiaiabDibGEdRIM5peTvKtC0xI4s0GjUs7tYvcO0OEtwCKjdMlKFaibMsswVXBdiabZk9qwA2mrqj5XLw/640?wx_fmt=png[/img]
     

密度图

      
[img=372,auto]https://mmbiz.qpic.cn/mmbiz_png/kluB5g3ic0VkiaiabDibGEdRIM5peTvKtC0x9M4Id1DibZPskCTTjQsXOJzdjC5L98Qr3ibhEUI2g5SMwRGia5lgXmDaA/640?wx_fmt=png[/img]
     





15 weibullvariate


描述:威布尔分布

语法:random.weibullvariate(alpha, beta)
data = [random.weibullvariate(1,2) for i in range(20000)]#直方图plt.hist(data, bins=100,  color="#FF0000", alpha=.7)sns.kdeplot(data, shade=True,color="#FF0000")
直方图

      
[img=375,auto]https://mmbiz.qpic.cn/mmbiz_png/kluB5g3ic0VkiaiabDibGEdRIM5peTvKtC0xFymQdc8icbQcOz3u8JDhSrhZ8aSp2l6dm9FbbfSMialb0vzfOzPMOSow/640?wx_fmt=png[/img]
     

密度图

      
[img=372,auto]https://mmbiz.qpic.cn/mmbiz_png/kluB5g3ic0VkiaiabDibGEdRIM5peTvKtC0xdajQjl5IrxHZX1xaFZhFqK4aK2OkRnoyFAQtJ5HQJFlzNQo6v4msAQ/640?wx_fmt=png[/img]
     





16 betavariate


描述:β分布

语法:random.betavariate(alpha, beta)
data = [random.betavariate(1,2) for i in range(20000)]#直方图plt.hist(data, bins=100,  color="#FF0000", alpha=.7)#密度图sns.kdeplot(data, shade=True,color="#FF0000")
直方图

      
[img=375,auto]https://mmbiz.qpic.cn/mmbiz_png/kluB5g3ic0VkiaiabDibGEdRIM5peTvKtC0xOacO3qFHASxPFbRZKNdlBluKRqomV33JZBEtW4B8j4UBURRjgxNsHw/640?wx_fmt=png[/img]
     

密度图

      
[img=378,auto]https://mmbiz.qpic.cn/mmbiz_png/kluB5g3ic0VkiaiabDibGEdRIM5peTvKtC0xAF7QAgwKThv3cuS0Pib5XYrv1Q9w1ym8ansBthvqGqJ4fmpY0GYeAsw/640?wx_fmt=png[/img]
     






17 expovariate


描述:指数分布

语法:random.expovariate(lambd)
data = [random.expovariate(2) for i in range(50000)]#直方图plt.hist(data, bins=100,  color="#FF0000", alpha=.7)#密度图sns.kdeplot(data, shade=True,color="#FF0000")
直方图

      
[img=381,auto]https://mmbiz.qpic.cn/mmbiz_png/kluB5g3ic0VkiaiabDibGEdRIM5peTvKtC0xlgXy15HfBAjWt1d2SFPNcm3lJAPm2hevficNmYsL5VxRibAoibTsdURGQ/640?wx_fmt=png[/img]
     

密度图

      
[img=372,auto]https://mmbiz.qpic.cn/mmbiz_png/kluB5g3ic0VkiaiabDibGEdRIM5peTvKtC0xrbZiateC1OvY7YzuibBTQklJnboZEwptUMiaXibGOlmyLja2RHZZZuNk7w/640?wx_fmt=png[/img]
     





18 gammavariate


描述: 伽马分布

语法:random.gammavariate(alpha, beta)
data = [random.gammavariate(2,2) for i in range(50000)]#直方图plt.hist(data, bins=100,  color="#FF0000", alpha=.7)#密度图sns.kdeplot(data, shade=True,color="#FF0000")
直方图

      
[img=381,auto]https://mmbiz.qpic.cn/mmbiz_png/kluB5g3ic0VkiaiabDibGEdRIM5peTvKtC0xlCHAwJalYctBRBIE0kZAxNDVW08dfRqVfhYLJGTZia2qia1DFxcb8gOA/640?wx_fmt=png[/img]
     

密度图

      
[img=384,auto]https://mmbiz.qpic.cn/mmbiz_png/kluB5g3ic0VkiaiabDibGEdRIM5peTvKtC0xnpGJKdMMQgSYibp70ktTEQOWaZNlqf7SSWicS0hTFVV0O3oLyUtOFEibA/640?wx_fmt=png[/img]
     


19 gauss


描述:高斯分布

语法:random.gauss(mu, sigma)
data = [random.gauss(2,2) for i in range(50000)]#直方图plt.hist(data, bins=100,  color="#FF0000", alpha=.7)#密度图sns.kdeplot(data, shade=True,color="#FF0000")
直方图

      
[img=381,auto]https://mmbiz.qpic.cn/mmbiz_png/kluB5g3ic0VkiaiabDibGEdRIM5peTvKtC0xHTbtgA5rPOAUygOdRB1MBkv8PqIeVlwnib2WeaiaHs0mydXLcsPHDiaXA/640?wx_fmt=png[/img]
     

密度图

      
[img=384,auto]https://mmbiz.qpic.cn/mmbiz_png/kluB5g3ic0VkiaiabDibGEdRIM5peTvKtC0xwhliaRfIlasqw1UydGpWXpAqicpqdP2oSwqTxur31NuBmw0epN5icwYOQ/640?wx_fmt=png[/img]
     





20 lognormvariate


描述:对数正态分布

语法:random.lognormvariate(mu, sigma)

示例:
data = [random.lognormvariate(4,2) for i in range(50000)]#直方图plt.hist(data, bins=100,  color="#FF0000", alpha=.7)#密度图sns.kdeplot(data, shade=True,color="#FF0000")
直方图

      
[img=387,auto]https://mmbiz.qpic.cn/mmbiz_png/kluB5g3ic0VkiaiabDibGEdRIM5peTvKtC0x9eFriaU7LsD9f2UQIRv2rr7J0MDsTa9eu2jvHBVwy4TzsJxp1Ttvs5A/640?wx_fmt=png[/img]
     

密度图

      
[img=403,auto]https://mmbiz.qpic.cn/mmbiz_png/kluB5g3ic0VkiaiabDibGEdRIM5peTvKtC0x81gmbLAzWqZ3g0W9LxZXr25Z5e6UQDkFAepPYZRLr2OkNHfzvqqcqQ/640?wx_fmt=png[/img]
     





21 normalvariate


描述: 正态分布

语法:random.normalvariate(mu, sigma)
data = [random.normalvariate(2,4) for i in range(20000)]#直方图plt.hist(data, bins=100,  color="#FF0000", alpha=.7)#密度图sns.kdeplot(data, shade=True,color="#FF0000")
直方图

      
[img=375,auto]https://mmbiz.qpic.cn/mmbiz_png/kluB5g3ic0VkiaiabDibGEdRIM5peTvKtC0xl7GBDmLVibvGzNSkBFXROViblpyYUfSYfXG2ngicTND03J5uNxIUt2USw/640?wx_fmt=png[/img]
     

密度图

      
[img=379,auto]https://mmbiz.qpic.cn/mmbiz_png/kluB5g3ic0VkiaiabDibGEdRIM5peTvKtC0xMKahNgW2HqvibASLehu66EOYh0tmU468MibnXqc5aeeewCpSCtVZRavg/640?wx_fmt=png[/img]
     


22 paretovariate


描述:帕累托分布

语法:random.paretovariate(alpha)
data = [random.paretovariate(4) for i in range(50000)]#直方图plt.hist(data, bins=100,  color="#FF0000", alpha=.7)#密度图sns.kdeplot(data, shade=True,color="#FF0000")
直方图

      
[img=387,auto]https://mmbiz.qpic.cn/mmbiz_png/kluB5g3ic0VkiaiabDibGEdRIM5peTvKtC0x6aQWE1DnOKBpq0t2FicyFcfZevngh2ibTuO8d6CsHbqDb4upKUbZugkQ/640?wx_fmt=png[/img]
     

密度图

      
[img=372,auto]https://mmbiz.qpic.cn/mmbiz_png/kluB5g3ic0VkiaiabDibGEdRIM5peTvKtC0xObyJdTIM5Hib3ad81LZ6v4DDbHVR6hqygPpNYdlTczUtuUibBkqggR2Q/640?wx_fmt=png[/img]
     


END
以上就是本期为大家整理的全部内容了,赶快练习起来吧,喜欢的朋友可以

点赞、点在看

也可以分享到朋友圈让更多人知道哦

往期推荐

可视化 | Python精美地图动态展示近20年全国各省市GDP

2021-05-08



可视化 | 用Python分析近5000个旅游景点,告诉你假期应该去哪玩

2021-04-26



技巧 | Python制作朋友圈炫酷九宫格图片

2021-04-21



收藏 | 一键下载N部小说,你要的免费都在这里

2021-04-13



爬虫 | Python爬取豆瓣电影Top250 + 数据可视化(附源码)

2021-03-31



基础 | Python面向对象一文详解

2021-04-16






  扫码关注  人生苦短,用Python更多精彩,等您来看



点【在看】的您又变好看了呢

本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
高级模式
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则