Random的日常使用,可以快速生成数据进行测试,比如搭配numpy中数组,快速生成数值列表,dataframe等等
快速生成一个dataframe:
df1 = pd.DataFrame(np.random.random((4, 4)), columns=["A", "B", "C", "D"])
然后可以导入seaborn库进行快速测试等等
1.伪随机数:
采用梅森旋转算法生成的(伪)随机序列中元素
2.random
导入库random语法: import random
在导入的时候取别名: import random as r
基本随机数函数: seed(), random()
扩展随机数函数: randint(), getrandbits(), uniform(),randrange(), choice(), shuffle()
3.seed()
seed(a=None) :初始化给定的随机数种子,默认为当前系统时间
random.seed(11) # 产生种子11对应的序列
4.random()
random.random() 生成一个[0.0, 1.0)之间的随机小数
当使用了seed()和random()
import random as r
r.seed(11)
a = r.randint(10, 100)
for i in range(1, 4):
print(a)
运行结果:
67
67
67
而去掉seed()则会随机生成
在此我都以r代表random来写
5.randint()
r.randint(a, b) 生成一个[a, b]之间的整数
6.randrange()
r.randrange(m, n[, k]) 生成一个[m, n)之间以k为步长的随机整数
r.randrange(10, 100, 10)
90
7.getrandbits()
r.getrandbits(k) 生成一个k比特长的随机整数
b = random.getrandbits(13)
print(b)
7019
8.uniform()
uniform(a, b)生成一个[a, b]之间的随机小数
c = random.uniform(10, 100)
print(c)
93.17895256213563
9.choice()
choice(seq) 从序列seq中随机选择一个元素
d = random.choice([1, 2, 3, 4, 5, 6, 7, 8, 9])
print(d)
8
shuffle(seq) 将序列seq中元素随机排列,返回打乱后的序列
s = [1, 2, 3, 4, 5, 6, 7, 8, 9]
random.shuffle(s)
print(s)
[3, 6, 1, 7, 9, 5, 2, 4, 8]