1、常规用法random
1 ) random() 返回0<=n<1之间的随机浮点数n;
2)random.uniform(a, b),用于生成一个指定范围内的随机符点数
3)random.randint(a, b),用于生成一个指定范围内的整数
4)random.randrange([start], stop[, step]),从指定范围内,按指定基数递增的集合中 获取一个随机数。
5 ) choice(seq) 从序列seq中返回随机的元素;
6 ) shuffle(seq[, random]) 原地指定seq序列;
7 ) sample(seq, n) 从序列seq中选择n个随机且独立的元素;
8)gauss(mu, sigma)返回一个平均值为mu,标准差为sigma的高斯分布,也可以由正态分布函数生成normalvariate(mu, sigma)
9)lognormvariate(mu, sigma)返回一个平均值为mu,标准差为sigma的对数正态分布
先导入模块import random
案例1:random() 返回0<=n<1之间的随机浮点数n
案例2:random.uniform(a, b),用于生成一个指定范围内的随机符点数。
两个参数其中一个是上限,一个是下限。如果a > b,则生成的随机数n: a <= n <= b。如果 a <b, 则 b <= n <= a。
案例3:random.randint(a, b),用于生成一个指定范围内的整数。
其中参数a是下限,参数b是上限,生成的随机数n: a <= n <= b
案例4:random.randrange([start], stop[, step]),从指定范围内,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。
案例5:random.choice(sequence)从序列中获取一个随机元素。
参数sequence表示一个有序类型,在python不是一种特定的类型,而是泛指一系列的类型。list, tuple, 字符串都属于sequence。
案例6:random.shuffle(x[, random]),用于将一个列表中的元素打乱
案例7:random.sample(sequence, k),从指定序列中随机获取指定长度的片断。
sample函数不会修改原有序列
案例8:gauss(mu, sigma)返回一个平均值为mu,标准差为sigma的高斯分布
2、模拟用法:
案例9:choices
案例10:按比例分配样本
3、seed用法:
seed() 方法改变随机数生成器的种子,可以在调用其他随机模块函数之前调用此函数。
计算机的程序,都是通过确定的算法,根据确定的输入,算出确定的输出。想要得到真正的随机,需要通过外接物理随机数发生器,通过把随机的物理过程转变为随机值,才能实现。因此我们平常使用的计算机的随机数,其实都只是通过算法模拟得到,也就是伪随机。
因此如果不设种子,计算机会用系统时钟来作为种子,如果你要模拟什么的话,每次的随机数都是不一样的,这样就不方便你研究,如果你事先设置了种子,这样每次的随机数都是一样的,便于重现你的研究,也便于其他人检验你的分析结果。
set.seed(3000),不是运行3000次,而是把种子设置为3000。
案例11:设置随机种子之后,运行出来的效果是一样的
如果要设置每次的随机种子不一样,可以使用seed(time.time())
4、range用法:
能返回一系列连续增加的整数,工作方式类似于分片,可以生成一个列表对象。range函数大多数时常出现在for循环中,在for循环中可做为索引使用。它也可以出现在任何需要整数列表的环境中,作为一个迭代器使用。
range(5)#函数内只有一个参数,则表示会产生从0开始计数的整数列表
range(-4,5)#函数有俩参数时,表示整数列的上下限
range(0,10,3)#函数有三个参数时,第三个参数为步长
案例12:以三个参数为案例说明
参考文章:
https://docs.python.org/3.6/library/random.html#random.vonmisesvariate