Python中random库的使用

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]