python random_Python random库用法详解

Python 自带了一个 random 库，该库可以随机生成一些数，常用来生成一个随机实数或者随机整数。

我们可以用 random.random() 来随机生成一个 0 到 1 之间的实数。如果希望生成一个整数，则可以使用 random.randint（开始值，结尾值）来得到指定范围内的一个整数。

生成随机整数和随机实数

如何知道得到的值是随机分布的呢？可以从两个方面来观察。

第一就是落在任意区间内的数的个数应该是正比于区间的大小的，例如，如果要产生随机实数，那么落在 0 到 0.1 区间内的数应该占 10%，落在 0.1 到 0.6 区间内的数应该占 50%。可以使用下面的代码进行验证。

import random

num00_01 = 0

num01_06 = 0

total_num = 10000

while total_num > 0:

rand_val = random.random()

if rand_val < 0.1:

num00_01 = num00_01 + 1

if 0.6 > rand_val > 0.1:

num01_06 = num01_06 + 1

total_num = total_num -1

print(u"落在0到0.1个个数为%d, 占比为%f" % (num00_01, num00_01/10000.0))

print(u"落在0.1到0.6个个数为%d, 占比为%f" % (num01_06, num01_06/10000.0))

运行结果如下：

$ python rand1.py

落在0到0.1个个数为1004, 占比为0.100400

落在0.1到0.6个个数为4950, 占比为0.495000

如果所有的数都是均匀分布，如要生成 10000 个 1~100 之间的随机整数，如果依次是 100 个 1、100 个 2、...、100 个 100，这也满足前面的条件，但显然不是随机分布的。

随机分布的另一个特点就是各个数出现的平均位置相同。如所有 1 出现的位置之和与所有 10 出现的位置之和应该大致相同，并且平均位置在区间的中间。以上面为例，平均位置应该 是 10000/2=5000。下面使用随机整数来看看生成的随机数是否满足这个条件。

import random

val_10_num = 0

val_20_num = 0

val_50_num = 0

total_pos_10 = 0

total_pos_20 = 0

total_pos_50 = 0

total_num = 10000

current_pos = 1

while current_pos <= total_num:

rand_val = random.randint(1, 100)

if rand_val == 10:

val_10_num = val_10_num + 1

total_pos_10 = total_pos_10 + current_pos

if rand_val == 20:

val_20_num = val_20_num + 1

total_pos_20 = total_pos_20 + current_pos

if rand_val == 50:

val_50_num = val_50_num + 1

total_pos_50 = total_pos_50 + current_pos

current_pos = current_pos +1

print(u"10出现的次数为%d, 平均位置为%d" % (val_10_num, total_pos_10/val_10_num))

print(u"20出现的次数为%d, 平均位置为%d" % (val_20_num, total_pos_20/val_20_num))

print(u"50出现的次数为%d, 平均位置为%d" % (val_50_num, total_pos_50/val_50_num))

运行结果如下：

$ python rand2.py

10出现的次数为97, 平均位置为4976

20出现的次数为104, 平均位置为5124

50出现的次数为98, 平均位置为5005

可以看到，出现的次数都接近 100 次，平均位置接近 5000。

如果希望实数出现的区间不是 0 到 1，怎么办？可以用平移拉伸的办法。简单来说就是用 y=ax+b，其中 x 是在 0 到 1 之间的随机数，那么 y 就是在区间 b 到 a+b 之间的随机数。下面的例子用来产生 1.5 到 2.9 之间的随机数。

import random

start = 1.5

end = 2.9

def generate_random():

x = random.random()

y = start + x*(end-start)

return y

print(generate_random())

print(generate_random())

print(generate_random())

print(generate_random())

print(generate_random())

运行结果如下：

$ python rand3.py

2.73776895174

1.99803168825

2.28699864497

2.71552010852

2.88653219406

为了得到指定区间内的随机实数，可以直接使用 random.uniform()，其结果和上例相同。

>>> import random

>>> random.uniform(1.2, 2.9)

2.6148511677324087

>>> random.uniform(1.2, 2.9)

1.3768844360707853

>>> random.uniform(1.2, 2.9)

1.974822517837854

>>> random.uniform(1.2, 2.9)

2.7001362254339325

>>> random.uniform(1.2, 2.9)

2.469935919913799

其他形式的随机

另外一个常用的函数是 random.choice()，其接收一个列表，返回值是从输入列表中随机选中一个元素。可以用该函数来模拟掷骰子，如下：

>>> import random # 引入随机库

>>> dice = [1, 2, 3, 4, 5, 6] # 允许出现的数为1~6，不能超出这个范围

>>> random.choice(dice) # 掷一次骰子

5 # 骰子的数

>>> random.choice(dice) # 掷一次骰子

3 # 骰子的数

>>> random.choice(dice) # 掷一次骰子

1 # 骰子的数

>>> random.choice(dice) # 掷一次骰子

2 # 骰子的数

>>> random.choice(dice) # 掷一次骰子

1 # 骰子的数

另外一个常用函数是 random.shuffle()，用于将某个列表打乱顺序可以使用 random.shuffle() 函数来完成任务。

>>> import random

>>> a = range(10)

>>> a

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

>>> random.shuffle(a)

>>> a

[7, 9, 4, 2, 6, 1, 8, 3, 0, 5]

该函数可以用来模拟洗扑克牌的动作。一副扑克牌有 54 张，最开始它们是有序排列的，下面使用 shuffle() 函数来实现洗牌的功能。

import random

def init_cards():

ret = []

for i in range(1, 13):

ret.append((i, u'红桃'))

ret.append((i, u'黑桃'))

ret.append((i, u'方片'))

ret.append((i, u'草花'))

ret.append((14, u'大王'))

ret.append((14, u'小王'))

return ret

cards = init_cards()

random.shuffle(cards)

for card in cards:

if card[0] == 14:

print(card[1])

else:

print("%s%d" % (card[1], card[0]))

运行结果如下：

1$ python setupPoker.py

黑桃6 # 随机生成的牌

方片11

… # 数量太大，省略中间部分

红桃2

草花8

黑桃7

小王

方片3

伪随机问题

random 模块生成的数具有基本的随机特性，但其并不是真正的随机数。例如随机生成整数，我们可以让其生成两串整数，每串 10 个数，可以发现这两串数是不同的，并且任意时刻让其生成 10 个整数，它似乎都会生成不同的数。可以用下面的代码来演示这个过程。

import random

def generate_20_random_int(start, end):

ret = []

for i in range(10):

ret.append(random.randint(start, end))

return ret

print(generate_20_random_int(1, 100))

print(generate_20_random_int(1, 100))

print(generate_20_random_int(1, 100))

print(generate_20_random_int(1, 100))

print(generate_20_random_int(1, 100))

运行结果如下：

$ python rand4.py

[34, 60, 74, 85, 95, 70, 71, 90, 96, 69]

[51, 45, 82, 14, 17, 67, 7, 21, 94, 51]

[67, 58, 71, 58, 53, 98, 64, 56, 44, 1]

[4, 7, 70, 87, 95, 31, 67, 98, 64, 38]

[94, 86, 45, 4, 84, 12, 32, 74, 43, 26]

但真的是这样吗？其实我们生成的随机序列是受一个叫作种子的变量控制的。只要修改了种子的值，那么生成的序列就是确定的。下面在生成序列之前设定该种子的值，看看得到的序列是否相同。修改后的代码如下：

import random

def generate_20_random_int(start, end):

random.seed(88) # 修改了种子的值

ret = []

for i in range(10):

ret.append(random.randint(start, end))

return ret

print(generate_20_random_int(1, 100))

print(generate_20_random_int(1, 100))

print(generate_20_random_int(1, 100))

print(generate_20_random_int(1, 100))

print(generate_20_random_int(1, 100))

运行结果如下：

$ python rand5.py

[40, 19, 91, 63, 53, 70, 86, 69, 14, 100]

[40, 19, 91, 63, 53, 70, 86, 69, 14, 100]

[40, 19, 91, 63, 53, 70, 86, 69, 14, 100]

[40, 19, 91, 63, 53, 70, 86, 69, 14, 100]

[40, 19, 91, 63, 53, 70, 86, 69, 14, 100]

我们发现得到的序列是一样的。这就是为何 random 库生成的是伪随机数，即该模块生成的并不是完全随机数。由于生成完全随机数的难度较大，所以在各种随机数库的实现中生成的都是伪随机数。

不过该伪随机数已经可以满足绝大多数需求，一般情况下使用它是不会有什么问题的。