Python random库

前言

python里有一个标准库，叫random,在python里求(伪)随机数的库就是random库

随机数与伪随机数

从概率论角度来说，随机数是随机产生的数据（比如抛硬币），但时计算机是不可能产生随机值，真正的随机数也是在特定条件下产生的确定值，只不过这些条件我们没有理解，或者超出了我们的理解范围。计算机不能产生真正的随机数，那么伪随机数也就被称为随机数
伪随机数：计算机中通过采用梅森旋转算法生成的 （伪）随机序列元素

库使用

因为它是标准库，可以直接引用

函数

random库包含两类函数，常用的共8个

    基本随机函数： seed(), random()

    扩展随机函数：randint(), getrandbits(), uniform(), randrange(), choice(), shuffle(）

基本随机数

Python中产生随机数使用随机数种子来产生 （只要种子相同，产生的随机序列，无论是每一个数，还是数与数之间的关系都是确定的，所以随机数种子确定了随机序列的产生）

随机数种子	梅森旋转算法	随机序列
10	转换	0.5714025946899135

随机序列中的每一个数就是随机数

基本随机函数

函数	描述
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(10) #产生种子10对应的序列
random()	生成一个[0.0,1.0)之间的随机小数 random.random() 0.5714025946899135

使用随机数种子的好处是可以复现有随机数的程序

扩展随机数函数

在random库中，最基本的是seed 和random 函数，但时功能比较单一，为此产生了6个扩展随机数函数

函数	描述
randint(a,b)	产生a,b之间的整数
randrange(m,n[,k])	生成一个[m,n)之间以k为步长的随机整数 random.randrange(10,100,10)
getrandbits(k)	生成一个k比特长的随机整数random.getrandbits(16) 37885
uniform(a,b)	生成一个[a,b]之间的随机小数random.uniform(10,100) 16.848041210321334
choice(seq)	序列相关 从序列中随机选择一个元素random.choice([1, 2, 3, 4, 5, 6, 7, 8, 9]) 8
shuffle(seq)
序列相关	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)[9, 4, 6, 3, 5, 2, 8, 7, 1]

随机数函数的使用要点：

–能够利用随机数种子产生“确定”伪随机数 seed生成种子，random函数产生随机数

–能够产生随机整数

–能对序列类型进行随机操作