random模块下的方法详解:
1.random.random()
- 随机生成一个[0,1)之间的浮点数。
2.random.randint(a,b)
- 随机生成[a,b]范围内一个整数。
3.random.randrange(a,b,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。
4.random.uniform(a,b)
-
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。但如果上面的三个方法采用这种方式就会产生TypeError或者ValueEeeor错误。
5.random.choice(seq)
从非空序列中随机选取一个数据并带回,该序列可以是list、tuple、str、set。
如果序列为空,则弹出IndexError错误。
import random
print(random.choice('biu')) #u
6.random.choices(population,weights=None,*,cum_weights=None,k=1)
Python3.6版本新增。
- population:集群。
- weights:相对权重。
- cum_weights:累加权重。
- k:选取次数。
作用: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。
关于random.choices()函数我举几个例子:
import random
a = [1,2,3,4,5]
#1
print(random.choices(a,k=5))
#2
print(random.choices(a,weights=[0,0,1,0,0],k=5))
#3
print(random.choices(a,weights=[1,1,1,1,1],k=5))
#4
print(random.choices(a,cum_weights=[1,1,1,1,1],k=5))
对于 #1–#4 的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。
这里我只提出运行结果和结论:
#1 : 重复输出10次列表a中的各个成员出现概率基本持平。
#2 : 重复输出10次每次输出均得到[3,3,3,3,3]结果。
#3 : 重复输出10次列表a中的各个成员出现概率基本持平。
#4 : 重复输出10次每次输出均得到[1,1,1,1,1]结果。
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]输出全是第一个成员1了。
7.random.sample(population,k)
从集群population中选取k个元素,返回一个列表,集群可以是list、tuple、str、set。
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。
import random
a = ['ahh','hhh','zzz','emm']
print(random.sample(a,3))
#['hhh', 'zzz', 'ahh']
8.random.shuffle(lst)
随机打乱序列lst的顺序并重新排序,注意它无返回值,另外lst只能是一个可变序列,且只支持有下标的序列,因此它也不适用于set,你最好只把它用在列表上。
9.random.seed(a=None,version=2)
设置随机种子的,如果不设置随机种子,则默认以系统时间作为随机种子。一般用不上。
10.另外random模块下的一些关于数学分布的方法就不整理学习了,像我这种菜渣暂时用不上。。。
这些方法都比较简单,用法也已说明,就不额外举例子了,抽时间随便练练手,很快就能掌握。