python的随机数生成

生成随机数在数据科学和计算机科学中是一个常见的需求。在 Python 中，有几种方法可以生成随机数，下面列举了其中的一些常见方法：

1.random 模块：

Python 标准库中的 random 模块提供了许多生成随机数的函数。

import random

#生成一个 [0, 1) 范围内的随机浮点数
a=random.random()

#生成一个 [a, b) 范围的随机浮点数
b=random.uniform(1,10)

# 生成一个 [a, b) 范围内的随机整数
c=random.randint(1,10)

# 从指定列表中随机选择一个元素
lst=[1,2,3,4,5]
d=random.choice(lst)

# 打乱列表中元素的顺序
my_list = [1, 2, 3, 4, 5]
random.shuffle(my_list)

2.numpy 库：

NumPy 是用于科学计算的一个常用库，它提供了更多生成各种类型随机数的函数。

import numpy as np

#默认的生成的都是一位

#生成一个 [0, 1) 范围内的随机浮点数
a1=np.random.rand()
#生成x个[0, 1) 范围内的随机浮点数
a2=np.random.rand(x)
#生成x*y的[0, 1) 范围内的随机浮点数数组
a3=np.random.rand(x,y)

#生成一位[0,10)内的随机整数,下面的均可行
b1=np.random.randint(10)
=np.random.randint(10,size=1)
=np,random.randint(0,10)
=np.random.randint(0,10,1)
=np.random.randint(0,10,size=1)
#生成x*y的[0,10)范围内的随机整数数组
b2=np.random.randint(0,10,size=(x,y))

#生成指定形状的标准正态分布（均值为 0，标准差为 1）的随机浮点数
c1=np.random.randn(10)
c2=np.random,randn(x,y)

#从给定列表或数组中随机选择元素：
lst=[1,2,3,4,5]
d1=np.random.choice(lst)

#生成10位[0,10)随机浮点数：
np.random.uniform(0,10,10)
#可以生成数组，不知道的就加个size=(x,y)试试

3.差异

1. 功能性差异：

   • random 模块提供了一些基本的生成随机数的函数，如生成随机整数、随机浮点数、随机选择等。
   • numpy.random 则提供了更多种类的随机数生成函数，包括但不限于上述的基本函数，还有生成符合特定分布的随机数（如正态分布、均匀分布等）、随机排列数组等功能。

2. 效率：

   • NumPy 的 numpy.random 在生成大量随机数时通常比 Python 的 random 模块更高效。因为 NumPy 库是用 C 语言编写的，在生成随机数时可以调用底层的高效代码。
   • 此外，NumPy 的随机数生成函数通常能够生成多维数组，而 Python 的 random 模块则主要针对生成单个数值。

3. 种子控制：

   • 在生成随机数时，种子（seed）是一个起始点，通过种子可以生成确定性的随机数序列。random 模块和 numpy.random 都提供了设置种子的功能，但是在使用上有所不同。在 random 模块中，可以通过 random.seed() 来设置种子，而在 numpy.random 中，可以通过 numpy.random.seed() 来设置种子。
   • 另外，numpy.random 还支持更复杂的随机数状态控制，可以通过 numpy.random.RandomState 类来创建一个随机数生成器对象，并在需要时复制生成器状态，使得同一序列的随机数可以在不同地方进行重现。

总的来说，如果你只需要生成一些基本的随机数，random 模块可能更简单直接，但如果需要生成大量随机数或者进行更复杂的随机数操作，那么使用 numpy.random 可能更为方便和高效。