python---random模块详解

在python中用于生成随机数的模块是random,在使用前需要import, 下面看下它的用法。

random.random

random.random()用于生成一个0到1的随机符点数: 0 <= n < 1.0

注意: 以下代码在Python3.5下测试通过, python2版本可稍加修改

描述

random() 方法返回随机生成的一个实数,它在(0,1)范围内。

语法

以下是 random() 方法的语法:

import random

random.random()

注意:random()是不能直接访问的,需要导入 random 模块,然后通过 random 静态对象调用该方法。

参数

返回值

返回随机生成的一个实数,它在[0,1)范围内。

实例

以下展示了使用 random() 方法的实例:

1
2
3
4
5
6
#!/usr/bin/python
import  random
# 生成第一个随机数
print  ( "random 1 : " , random.random())
# 生成第二个随机数
print  ( "random 2 : " , random.random())

以上实例运行后输出结果为:

1
2
random 1 :  0.3558774735558118
random 2 :  0.46006891154492147

 

random.uniform

random.uniform的函数原型为:random.uniform(a, b),用于生成一个指定范围内的随机符点数,两个参数其中一个是上限,一个是下限。如果a > b,则生成的随机数n: b <= n <= a。如果 a <b, 则 a <= n <= b。

1
2
3
import  random
print  (random.uniform( 1 10 ))  
print  (random.uniform( 10 1 ))

结果:

1
2
2.1520386126536115
3.139127274753873

 

random.randint

random.randint()的函数原型为:random.randint(a, b),用于生成一个指定范围内的整数。其中参数a是下限,参数b是上限,生成的随机数n: a <= n <= b, 

注意: 下限必须小于上限

1
2
3
import  random
print  (random.randint( 11 20 ))   #生成的随机数n: 12 <= n <= 20  
print  (random.randint( 20 20 ))   #结果永远是20

结果:

1
2
11
20

 

random.randrange

random.randrange的函数原型为:random.randrange([start], stop[, step]),从指定范围内,按指定基数递增的集合中 获取一个随机数。如:random.randrange(10, 100, 2),结果相当于从[10, 12, 14, 16, ... 96, 98]序列中获取一个随机数。random.randrange(10, 100, 2)在结果上与 random.choice(range(10, 100, 2) 等效。

1
2
import  random
print  (random.randrange( 10 18 2 ))

结果:

1
[10, 12, 14, 16, 18]

 

random.choice

random.choice从序列中获取一个随机元素。其函数原型为:random.choice(sequence)。参数sequence表示一个有序类型。这里要说明 一下:sequence在python不是一种特定的类型,而是泛指一系列的类型。list, tuple, 字符串都属于sequence。有关sequence可以查看python手册数据模型这一章

1
2
3
4
import  random
print  (random.choice( "Pythontab.com" ))
print  (random.choice([ "python" "tab" "com" ]))
print  (random.choice(( "python" "tab" "com" )))

 

结果:

1
2
3
t
python
tab

 

random.shuffle

  random.shuffle的函数原型为:random.shuffle(x[, random]),用于将一个列表中的元素打乱。如:

1
2
3
4
import  random
list  =  [ 1 2 3 4 5 6 7 8 9 10 ]
random.shuffle( list )
print  ( list )

 

结果:

1
[4, 1, 9, 3, 2, 7, 10, 6, 8, 5]

 

random.sample

  random.sample的函数原型为:random.sample(sequence, k),从指定序列中随机获取指定长度的片断。sample函数不会修改原有序列。

1
2
3
4
5
import  random
list  =  [ 1 2 3 4 5 6 7 8 9 10 ]  
slice  =  random.sample( list 5 )   #从list中随机获取5个元素,作为一个片断返回  
print  ( slice
print  ( list #原有序列不会改变。

结果:

1
2
[8, 2, 6, 7, 9]
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

转载于:https://www.cnblogs.com/Kingfan1993/p/9636593.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
numpy是一个开源的Python科学计算库,它提供了一个强大的多维数组对象和用于处理这些数组的函数。下面是关于numpy模块的详细解释: 1. 数组:numpy最重要的特性之一是它的数组对象(numpy.ndarray)。这是一个由相同类型的元素组成的多维容器。数组可以是一维、二维、三维等等,并且可以包含整数、浮点数、复数等不同类型的数据。 2. 数组操作:numpy提供了一系列用于操作数组的函数和方法。你可以进行基本的数学运算(加、减、乘、除等)、统计计算(平均值、标准差等)、逻辑运算(与、或、非等)以及数组的切片、索引等操作。 3. 广播:numpy的广播功能使得不同形状的数组之间的运算成为可能。它可以自动调整不同形状数组的大小,使得它们能够进行元素级别的运算。 4. 矩阵操作:numpy还提供了许多矩阵操作的函数和方法。你可以进行矩阵的转置、求逆、乘法、求特征值和特征向量等操作。 5. 随机数生成:numpy包含了一个random模块,用于生成各种类型的随机数。你可以生成服从特定分布(如正态分布、均匀分布等)的随机数,并进行各种随机抽样操作。 6. 文件操作:numpy可以读取和写入数组数据到磁盘。它支持多种数据格式,包括文本文件、二进制文件和压缩文件。 总之,numpy提供了丰富的功能和高效的数组操作,使得Python成为一种强大的科学计算语言。它在数据分析、机器学习、图像处理等领域广泛应用。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值