Python的math库和random库

math库：

 

 

random库：

seed(x)  ->  给随机数一个种子值，默认随机种子是系统时钟

random()  ->  生成一个[0,1.0]之间的随机小数

uniform(a,b)  ->  生成一个a到b之间的随机小数

randint(a,b)  ->  生成一个a到b之间的随机整数

randrange(a,b,c)  ->  随机生成一个从a开始到b以c递增的数

choice(list)  ->  从列表中随机返回一个元素

shuffle(list)  ->  将列表中元素随机打乱

sample(list,k)  ->  从指定列表随机获取k个元素

 

 

随机种子 --> 随机数：

调用seed()函数，重置随机种子

再次设定相同的随机种子

 

结论：当设定相同的种子后，每次调用随机函数生成的随机数都是相同的。

 计算机不能生成真正的随机数，由计算机产生的随机数都是由一个种子开始的伪随机序列。

相同的随机种子产生相同的伪随机数序列，也有利于程序的验证执行。

应用蒙瑞特卡罗方法求解Π：

# pi.py

from random import random  # 从random库中引出random()函数
from math import sqrt    # 从math库中引出sqrt()函数
from time import perf_counter   # 从time库中引出perf_counter()函数

DARTS=1200  # 抛点次数
hits=0     # 击中次数
time_start=perf_counter() # 开始时间

for i in range(1200):
    x,y=random(),random()   # x,y分别取得[0,1.0]之间的随机小数
    dist=sqrt(x**2+y**2)   # 计算取得的随机点到原点的距离
    if dist<=1.0:  # 如果距离小于等于1，说明该点在四分之一圆内
        hits=hits+1
pi=4*(hits/DARTS)
time_end=perf_counter()  # 结束时间
time_consumed=time_end-time_start # 消耗时间==结束时间-开始时间

print("pi的值是{}".format(pi))
print("程序运行时间是{:5.5}s".format(time_consumed))


''' time.pref_counter()返回一个CPU级别的精确时间值，以秒为单位
它通常用于测量某段程序的运行时间，因此取两次调用pref_counter()的差值才有意义。'''