Python如何生成指定区间中的随机数

目录
  • 如何生成指定区间中的随机数
    • 1. random()
    • 2. rand()
    • 3. randint()
  • python生成随机数总结
    • 生成随机数和随机数操作
    • Python自带random
    • numpy库的random

如何生成指定区间中的随机数

要求生成区间[a, b]中的随机数。若要求为浮点数,则Python中只能近似达到这一要求,因为随机函数的取值区间一般都为左闭右开区间,因为只能无限接近b。

若要求为整数,那么将取数区间设置为[a,b+1)即可以取到b了。

具体如下:

1. random()

numpy.random.random(size=None)
  • 生成[0.0, 1.0)的随机数。注意区间是左闭右开,取不到1.0。
  • 生成的是浮点数。
  • 参数size可以用于指定生成随机数的个数和形状。例如
>>>import numpy as np
>>>np.random.random()
0.5312959368718575
>>>np.random.random(5)
array([ 0.2483017 ,  0.86182212,  0.03454678,  0.87525464,  0.31962688])
>>>np.random.random((2,3))
array([[ 0.66214521,  0.40083972,  0.05552421],
       [ 0.51091912,  0.6419505 ,  0.8757311 ]])

利用np.random.random()近似生成[a,b]的随机数,因为前者的取值范围是[0,1),是半开区间,所以右侧端点处的值b取不到。

>>>import numpy as np
>>>a + (b-a)*np.random.random()

2. rand()

numpy.random.rand(d0, d1, …, dn)

它和numpy.random.random(size=None)的主要区别就在于参数。例如生成2*3的array。注意观察参数的形式。

>>>import numpy as np
>>>np.random.random((2,3))
array([[ 0.66214521,  0.40083972,  0.05552421],
       [ 0.51091912,  0.6419505 ,  0.8757311 ]])
>>>np.random.rand(2,3)
array([[ 0.59786635,  0.88902485,  0.7038246 ],
       [ 0.44150109,  0.73660019,  0.70001489]])

3. randint()

生成指定区间的随机整数

numpy.random.randint(low, high=None, size=None, dtype=‘l')
>>> np.random.randint(2,5)
3
>>> np.random.randint(2,5,3)
array([2, 3, 3])
>>> np.random.randint(2,5,9)
array([3, 4, 3, 2, 3, 3, 4, 4, 2])
>>> np.random.randint(2,5,(2,3))
array([[4, 3, 2],
       [3, 3, 4]])

注意:取值的区间仍然是左闭右开区间[low, high)

若要求取[a,b]中的随机数,则

>>>np.random.randint(a, b+1)

python生成随机数总结

生成随机数和随机数操作

Python有自己专门处理随机数的功能,但大家最常用的还是numpy库里的生成随机数功能,因为Python 的 random 没有考虑数组类型的高效数据结构,所以在 array 类型的数据结构时,大家更喜欢直接用 Numpy 来生成,且它的功能更丰富,有各种随机数的生成方式,随机化当前数列,加速等。

Python自带random

import random
print(random.random()) # 随机生成一个0-1之间的随机数,例如0.7679099295136553
print(random.randint(1, 10)) # 随机生成一个1-10之间的整数,如3

numpy库的random

先导入库

import numpy as np

1. np.random.random_integers

numpy.random.random_integers(low, high=None, size=None)
  • 返回随机整数,范围区间为[low,high],包含low和high
  • 参数:low为最小值,high为最大值,size为数组维度大小
  • high没有填写时,默认生成随机数的范围是[1,low]

该函数在最新的numpy版本中已被替代,建议使用randint函数

>>> np.random.random_integers(1,size=5)
array([1, 1, 1, 1, 1])

2. np.random.rand() 或 np.random.random()

# 功能一样,写法有点区别
np.random.rand(d0,d1,…,dn)
np.random.random([d0,d1,…,dn])
  • rand函数根据给定维度,生成[0,1)之间的数据,包含0,不包含1
  • dn:生成维度
  • 返回值为指定维度的array
>>> np.random.rand(4,2)
array([[ 0.02173903,  0.44376568],
       [ 0.25309942,  0.85259262],
       [ 0.56465709,  0.95135013],
       [ 0.14145746,  0.55389458]])
>>> np.random.rand(4,3,2) # shape: 4*3*2
array([[[ 0.08256277,  0.11408276],
        [ 0.11182496,  0.51452019],
        [ 0.09731856,  0.18279204]],
 
       [[ 0.74637005,  0.76065562],
        [ 0.32060311,  0.69410458],
        [ 0.28890543,  0.68532579]],
 
       [[ 0.72110169,  0.52517524],
        [ 0.32876607,  0.66632414],
        [ 0.45762399,  0.49176764]],
 
       [[ 0.73886671,  0.81877121],
        [ 0.03984658,  0.99454548],
        [ 0.18205926,  0.99637823]]])

3. np.random.randn()

numpy.random.randn(d0,d1,…,dn)
  • randn函数返回一个或一组样本,具有标准正态分布(u分布,0为均值、1为标准差的正态分布,记为N(0,1))。
  • dn:维度
  • 返回值为指定维度的array
>>> np.random.randn() # 当没有参数时,返回单个数据
-1.1241580894939212
>>> np.random.randn(2,4)
array([[ 0.27795239, -2.57882503,  0.3817649 ,  1.42367345],
       [-1.16724625, -0.22408299,  0.63006614, -0.41714538]])
       
>>> np.random.randn(4,3,2)
array([[[ 1.27820764,  0.92479163],
        [-0.15151257,  1.3428253 ],
        [-1.30948998,  0.15493686]],
 
       [[-1.49645411, -0.27724089],
        [ 0.71590275,  0.81377671],
        [-0.71833341,  1.61637676]],
 
       [[ 0.52486563, -1.7345101 ],
        [ 1.24456943, -0.10902915],
        [ 1.27292735, -0.00926068]],
 
       [[ 0.88303   ,  0.46116413],
        [ 0.13305507,  2.44968809],
        [-0.73132153, -0.88586716]]])

上面生成的都是小数,下面生成整数

4. np.random.randint()

numpy.random.randint(low, high=None, size=None, dtype='l')

函数作用:返回一个随机整型数或随机数数组,范围从低(闭)到高(开),即[low, high)。

如果没有写参数high的值,则返回[0,low)的值。

参数如下:

  • low: int生成的数值最低要大于等于low。(hign = None时,生成的数值要在[0, low)区间内)
  • high: int (可选)如果使用这个值,则生成的数值在[low, high)区间。
  • size: int or tuple of ints(可选)输出随机数的尺寸,比如size = (m * n* k)则输出同规模即m * n* k个随机数。默认是None的,仅仅返回满足要求的单一随机数。
  • dtype: dtype(可选):想要输出的格式。如int64、int等等

注:范围不对有可能报错 ValueError: low >= high

>>> np.random.randint(2, size=10)
array([1, 0, 0, 0, 1, 1, 0, 0, 1, 0])
>>>np.random.randint(2, high=10, size=(2,3))
array([[6, 8, 7],
       [2, 5, 2]])

5. np.random.choice()

numpy.random.choice(a, size=None, replace=True, p=None)
  • 从给定的一维数组中生成随机数
  • 参数: a为一维数组类似数据或整数;size为数组维度;p为数组中的数据出现的概率|权重
  • a为整数时,对应的一维数组为np.arange(a)
>>> np.random.choice(5,3)
array([4, 1, 4])
>>> np.random.choice(5, 3, replace=False)
# 当replace为False时,生成的随机数不能有重复的数值(放不放回)
array([0, 3, 1])
>>> np.random.choice(5,size=(3,2))
array([[1, 0],
       [4, 2],
       [3, 3]])
       
>>> demo_list = ['lenovo', 'sansumg','moto','xiaomi', 'iphone']
>>> np.random.choice(demo_list,size=(3,3))
array([['moto', 'iphone', 'xiaomi'],
       ['lenovo', 'xiaomi', 'xiaomi'],
       ['xiaomi', 'lenovo', 'iphone']],
      dtype='<U7')
  • 参数p的长度与参数a的长度需要一致;
  • 参数p为概率,p里的数据之和应为1.
>>> demo_list = ['lenovo', 'sansumg','moto','xiaomi', 'iphone']
>>> np.random.choice(demo_list,size=(3,3), p=[0.1,0.6,0.1,0.1,0.1])
array([['sansumg', 'sansumg', 'sansumg'],
       ['sansumg', 'sansumg', 'sansumg'],
       ['sansumg', 'xiaomi', 'iphone']],
      dtype='<U7')

6. np.random.seed()

  • np.random.seed()的作用:使得随机数据可预测。
  • 当我们设置相同的seed,每次生成的随机数相同。如果不设置seed,则每次会生成不同的随机数
  • 当我们把种子seed固定的时候(用一个数字),同一个种子(数字)产生的随机序列就会一样。
>>> np.random.seed(0)
>>> np.random.rand(5)
array([ 0.5488135 ,  0.71518937,  0.60276338,  0.54488318,  0.4236548 ])
>>> np.random.seed(1676)
>>> np.random.rand(5)
array([ 0.39983389,  0.29426895,  0.89541728,  0.71807369,  0.3531823 ])
>>> np.random.seed(1676)
>>> np.random.rand(5)
array([ 0.39983389,  0.29426895,  0.89541728,  0.71807369,  0.3531823 ])    

7. 随机分布

我们在生成数据的时候,有时需要按照特定的统计学分布来生成,比如一个正态分布的抽样数据,或者均匀分布的数据抽样结果,又或者泊松分布等等,都可以用 Numpy 来实现。机器学习中比较常用的 正态分布 和 均匀分布。

# (均值,方差,size)
print("正态分布:", np.random.normal(1, 0.2, 10))
# (最低,最高,size)
print("均匀分布:", np.random.uniform(-1, 1, 10))

8. 打乱功能

np.random.permutation(), 它实现的是 np.random.shuffle() 的一种特殊形式。

可以说是一种简单处理特殊情况的功能。

它有两个方便之处:

  • 1. 直接生成乱序的序列号
  • 2. 对数据乱序

相比 np.random.shuffle(),permutation 有一个好处,就是可以返回一个新数据,对原本的数据没有影响。而且还可以处理多维数据。

np.random.permutation(10)) # 直接出10个乱序数
data = np.arange(12).reshape([6,2])
np.random.permutation(data)) # 将数据在第一维度上打乱

以上为个人经验,希望能给大家一个参考,也希望大家多多支持我们。

(0)

相关推荐

  • Python生成随机数详解流程

    目录 一.随机数种子 二.生成随机数 1.random() 2.ranint(a,b) 3.randrange(start,stop[,step]) 4.getrandbits(k) 三.生成随机序列 1.choice(seq) 2.samplex(序列,k) 3.shuffle(x[,random]) 一.随机数种子 为什么要提出随机数种子呢?咱们前面提到过了,随机数均是模拟出来的, 想要模拟的比较真实,就需要变换种子函数内的数值,一般以时间戳为随机函数种子. 例如以下案例,将随机数种子固定的

  • Python伪随机数模块random详解

    目录 random模块 random.seed 常用整数随机函数 常用序列随机函数 常用实数随机函数 总结 random模块 该模块实现了各种分布的伪随机数生成器.(包括在实数轴上计算均匀.正态(高斯).对数正态.负指数.伽马和贝塔分布的函数)不应将此模块的伪随机生成器用于安全目的.有关安全性或加密用途,请使用secrets模块. 关于random模块的更多详细内容,请参考官方文档random — 生成伪随机数 下面列举一下该模块常用的功能. random.seed random.seed(a=

  • python中的随机数 Random介绍

    目录 一.random模块简介 二.random模块重要函数 (1)random.random()函数 (2)random.randint()函数 (3)random.uniform()函数 (4)random.randrange()函数 (5)random.choice()函数 (6)random.shuffle()函数 (7)random.sample()函数 一.random模块简介 Python标准库中的random函数,可以生成随机浮点数.整数.字符串,甚至帮助你随机选择列表序列中的一

  • Python如何生成随机数及random随机数模块应用

    目录 1.随机生成0-1的浮点数random.random 2.随机生成指定范围内的浮点数random.uniform 3.随机生成指定范围整数random.randint 4.随机从给定集合中生成数random.randrange 5.从序列中获取一个随机元素random.choice 6.随机打乱给定序列的顺序random.shuffle 7.随机获取序列中多个元素random.sample 8.随机数常用函数大全 1.随机生成0-1的浮点数random.random random.rand

  • Python中的np.random.seed()随机数种子问题及解决方法

    目录 1. 何为随机数种子 2. np.random.seed()参数问题 3. 使用方法 4. 随机数种子问题总结 前言: 最近在学习过程中总是遇到np.random.seed()这个问题,刚开始总是觉得不过是一个简单的随机数种子,就没太在意,后来遇到的次数多了,才发现他竟然是如此之用处之大!接下来我就把我所学到的关于np.random.seed()的知识分享给大家! 1. 何为随机数种子 随机数种子,相当于我给接下来需要生成的随机数一个初值,按照我给的这个初值,按固定顺序生成随机数.读到这,

  • 详解Python中生成随机数据的示例详解

    目录 随机性有多随机 加密安全性 PRNG random 模块 数组 numpy.random 相关数据的生成 random模块与NumPy对照表 CSPRNG 尽可能随机 os.urandom() secrets 最佳保存方式 UUID 工程随机性的比较 在日常工作编程中存在着各种随机事件,同样在编程中生成随机数字的时候也是一样,随机有多随机呢?在涉及信息安全的情况下,它是最重要的问题之一.每当在 Python 中生成随机数据.字符串或数字时,最好至少大致了解这些数据是如何生成的. 用于在 P

  • python实现0到1之间的随机数方式

    目录 求0到1之间的随机数 生成0-1之间随机数 模拟抛硬币问题 求0到1之间的随机数 使用random模块中的random()函数,作用就是返回一个[0,1)之间的随机数. import random print(random.random()) 生成0-1之间随机数 模拟抛硬币问题 import random def count_heads(n): heads=0 for i in range(n): if random.random()<=0.5: heads+=1 return head

  • Python如何生成指定区间中的随机数

    目录 如何生成指定区间中的随机数 1. random() 2. rand() 3. randint() python生成随机数总结 生成随机数和随机数操作 Python自带random numpy库的random 如何生成指定区间中的随机数 要求生成区间[a, b]中的随机数.若要求为浮点数,则Python中只能近似达到这一要求,因为随机函数的取值区间一般都为左闭右开区间,因为只能无限接近b. 若要求为整数,那么将取数区间设置为[a,b+1)即可以取到b了. 具体如下: 1. random()

  • 在javascript中随机数 math random如何生成指定范围数值的随机数

    今天有朋友向我请教:JavaScript 怎么生成指定范围数值随机数.Math.random() 这个方法相信大家都知道,是用来生成随机数的.不过一般的参考手册时却没有说明如何用这个方法来生成指定范围内的随机数.这次我就来详细的介绍一下Math.random(),以及如何用它来生成制定范围内的随机数. w3school的random()教程 定义和用法 random() 方法可返回介于 0 ~ 1 之间的一个随机数. 语法 Math.random() 返回值 0.0 ~ 1.0 之间的一个伪随机

  • python随机生成指定长度密码的方法

    本文实例讲述了python随机生成指定长度密码的方法.分享给大家供大家参考.具体如下: 下面的python代码通过对各种字符进行随机组合生成一个指定长度的随机密码 python中的string对象有几个常用的方法用来输出各种不同的字符: string.ascii_letters 输出ascii码的所有字符 string.digits 输出 '0123456789'. string.punctuation ascii中的标点符号 print string.ascii_letters print s

  • 基于Python批量生成指定尺寸缩略图代码实例

    这篇文章主要介绍了基于Python批量生成指定尺寸缩略图代码实例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 最近我们商城上架的应用越来越丰富了.但在应用上传的过程中遇到这样的一个问题:每一个上架的应用需要配置一个应用封面图片,并且封面的图片大小有指定的范围:300*175.而 我们制作完的图片一般都会大于这个尺寸.所以每次手动调整大小,又让我产生了偷懒的想法,想法有了那就开始行动吧. 代码 import requests as req fr

  • Python/ArcPy遍历指定目录中的MDB文件方法

    如下所示: #遍历指定目录中的MDB文件,构造FeatureClass名 >>> target_folder = 'D:\T20161202' ... file_names=('BOUAN','BOULK','BOUNT','BOUPT','CTRLK','CTRPT','HYDAN','HYDLK','HYDNT','HYDPT','PIPAN','PIPLK','PIPNT','PIPPT','RESAN','RESLK','RESNT','RESPT','ROAAN','ROALK

  • python+pandas生成指定日期和重采样的方法

    python 日期的范围.频率.重采样以及频率转换 pandas有一整套的标准时间序列频率以及用于重采样.频率推断.生成固定频率日期范围的工具. 生成指定日期范围的范围 pandas.date_range()用于生成指定长度的DatatimeIndex: 1)默认情况下,date_range会按着时间间隔为天的方式生成从给定开始到结束时间的时间戳数组: 2)如果只指定开始或结束时间,还需要periods标定时间长度. import pandas as pd pd.date_range('2017

  • 基于python实现生成指定大小txt文档

    前言 在测试过程中经常遇到文件上传的功能,文件的大小边界值测试一直没有好的解决办法,这里我分享一个创建文件的脚本希望对大家有帮助. demo """ * Create by dell on 2020/7/10 * Author :wencheng * 微信公众 :自动化测试 To share """ # !/user/bin/env python # -*- coding:utf-8 -*- import os import time # 获取u

  • java生成指定范围随机数的多种代码

    生成指定范围内的随机数这个是最常用的技术之一,程序员希望通过随机数的方式来处理众多的业务逻辑,测试过程中也希望通过随机数的方式生成包含大量数字的测试用例. 问题往往类似于: 如何随机生成 1~100 之间的随机数,取值包含边界值 1 和 100. 或者是: 如何随机生成随机的3位整数? 等等-- 以 Java 语言为例,我们观察其 Random 对象的 nextInt(int) 方法,发现这个方法将生成 0 ~ 参数之间随机取值的整数.例如(假设先有 Random rand = newRando

  • JavaScript生成指定范围随机数和随机序列的方法

    在JavaScript中我们经常使用Math.random()方法生成随机数,但是该方法生成的随机数只是0-1之间的随机数.先看如下常用方法的特征: •1.Math.random(); 结果为0-1间的一个随机数(包括0,不包括1) •2.Math.floor(num); 参数num为一个数值,函数结果为num的整数部分.与取整数的parseInt(num)方法一样. •3.Math.round(num); 参数num为一个数值,函数结果为num四舍五入后的整数. •4.Math.ceil(nu

  • JavaScript生成指定范围的时间列表

    遇到一个场景,需要拿到指定时间范围内的每一天,满足格式"YYYYMMDD",简单的功能,简单的思路 准备 date对象有很多的方法,用到了以下:   new date ()生成date对象,可以直接指定年月日等,new date(year,month,day)   getFullYear() 返回date对象中的年份   getMonth() 返回date对象中的月份(0~11),注意从0开始计   getDate() 返回date对象中的天,注意从 1 开始计 getTime() 返

随机推荐