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