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=None, version=2)

初始化随机数生成器,如果a被省略或为None，则使用当前系统时间。如果操作系统提供随机源，则使用它们而不是系统时间。当你的seed是相同的情况下，你多次执行得到的随机数序列是相同的。因为Mersenne Twister的完全确定性，因此random模块产生的随机数不适合加密目的。

常用整数随机函数

random.randrange(stop)
random.randrange(start, stop[, step])

randrange()返回一个[start, stop)区间内随机选择的元素。

random.randint(a, b)

返回随机整数 N 满足 a <= N <= b。相当于 randrange(a, b+1)。

常用序列随机函数

random.choice(seq)

从非空序列 seq 返回一个随机元素。 如果 seq 为空，则引发 IndexError。

random.shuffle(x[, random])

将序列 x 随机打乱位置。（在原来的序列上进行，不会生成新的序列。）

可选参数 random 是一个函数，在 [0.0, 1.0) 中返回随机浮点数；默认情况下是函数 random.random() 。

random.sample(population, k, *, counts=None)

返回从总体序列或集合中选择的唯一元素的 k 长度列表。 用于无重复的随机抽样。（抽奖常用的函数）下面是一个抽奖的例子。

有30000人参加了Python编程活动，然后抽取1000人进行奖励。其中一等奖20人，二等奖30人，三等奖50人，四等奖200人，五等奖700人。

上述的抽奖活动，可以用如下的代码完成。

res = random.sample(range(1, 30001), 1000)
print("一等奖名单:", res[:20])
print("二等奖名单:", res[20:50])
print("三等奖名单:", res[50:100])
print("四等奖名单:", res[100:300])
print("五等奖名单:", res[300:])

而且，这样产生的抽奖结果也将是可控的。例如，我们需要3号中一等奖，33号中二等奖，333号中三等奖。代码如下：

all_list = [x for x in range(1, 30001) if x not in[3, 33, 333]]
res = random.sample(all_list, 997)
# 暗箱操作
res.insert(random.randint(0, 10), 3)    # 将3号掺入前10
res.insert(random.randint(30, 40), 33)  # 将33号掺入30-40之间
res.insert(random.randint(70, 90), 333) # 将333掺入到70-90之间

print("一等奖名单:", res[:20])
print("二等奖名单:", res[20:50])
print("三等奖名单:", res[50:100])
print("四等奖名单:", res[100:300])
print("五等奖名单:", res[300:])

常用实数随机函数

random.random()

返回 [0.0, 1.0) 范围内的下一个随机浮点数。

random.uniform(a, b)

返回一个随机浮点数 N ，当 a <= b 时 a <= N <= b ，当 b < a 时 b <= N <= a 。终点 b 是否在该范围内。取决于等式 a + (b-a) * random() 中的浮点舍入结果。

random.gauss(mu, sigma)

正态分布，也称高斯分布。 mu 为平均值，而 sigma 为标准差。 此函数要稍快于下面所定义的 normalvariate() 函数。

多线程注意事项：

当两个线程同时调用此方法时，它们有可能将获得相同的返回值。 这可以通过三种办法来避免。

1) 让每个线程使用不同的随机数生成器实例。

2) 在所有调用外面加锁。

3) 改用速度较慢但是线程安全的 normalvariate() 函数。

random.normalvariate(mu, sigma)

正态分布。 mu 是平均值，sigma 是标准差。

总结

本篇文章就到这里了，希望能够给你带来帮助，也希望您能够多多关注我们的更多内容!

赞 (0)

相关推荐

  • python随机模块random使用方法详解

    random随机模块包括返回随机数的函数,可以用于模拟或者任何产生随机输出的程序. 一.random模块常用函数介绍 random.random() - 生成一个从0.0(包含)到 1.0(不包含)之间的随机浮点数: random.uniform(a, b) - 生成一个范围为 a≤N≤b 的随机数,随机数类型是浮点数: random.randint(a, b) - 生成一个范围为 a≤N≤b 的随机数,随机数的类型是整形,注意与random.uniform(a, b)区别: random.ra

  • Python random模块的运用详解

    目录 1.随机取小数: 2.整数的随机选取: 3.随机列表取数,元素打乱: 总结 1.随机取小数: import random print(random.runiform(a,b)) #a-b之间小数的选取 print(random.random()) #0-1之间小数随机选取 输出:0.03815542754382306 print(random.uniform(2,4)) 输出:3.560120761832978 2.整数的随机选取: import random print(random.r

  • python的random和time模块详解

    python的random和time模块详解

    目录 一.模块概述 二.模块内容 三.模块导入的原理 四.模块导入的方法 五.random模块 六.time模块 (1)python表示时间的三种格式 (2)常用方法: (3)时间元组.时间戳.格式化字符串转换 总结 一.模块概述 模块指的是包含python代码的文件,也就是一个.py文件就是一个模块.文件夹(directory)---->包(package),是一种特殊的模块.模块名要符合标识符的命名规范,以字母开头,且不能和自带的模块重名.模块第一次被导入时会先执行模块本身,多次导入只有第一

  • python中random模块详解

    python中random模块详解

    Python中的random模块用于生成随机数,它提供了很多函数.常用函数总结如下: 1. random.random() 用于生成一个0到1的随机浮点数: 0 <= n < 1.0 2. random.seed(n) 用于设定种子值,其中的n可以是任意数字.random.random() 生成随机数时,每一次生成的数都是随机的.但是,使用 random.seed(n) 设定好种子之后,在先调用seed(n)时,使用 random() 生成的随机数将会是同一个. 3. random.unifo

  • Python random模块的使用示例

    常用的 random 模块方法 import random # random.random()用于生成一个 0 到 1 的随机浮点数: 0 <= n < 1.0 print(random.random()) # 0.18246795790915304 # 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 print(random.randint(1, 10)) # 8 # rand

  • 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学习之随机模块random详解

    Python学习之随机模块random详解

    目录 random.random() random.uniform() random.randint() random.choice() random.sample() random.randrange() random 模块 - 抽奖小案例 random 模块 - 双色球小案例 该章节我们来学习一下 Python 中非常简单但也非常有用的模块 —> random ,此模块主要用于生成随机数.接下面我们就来了解一下 random 模块中最常见的几种方法. random.random() 功能:随

  • 对Python信号处理模块signal详解

    Python中对信号处理的模块主要是使用signal模块,但signal主要是针对Unix系统,所以在Windows平台上Python不能很好的发挥信号处理的功能. 要查看Python中的信号量,可以使用dir(signal)来查看. signal.signal() 在signal模块中,主要是使用signal.signal()函数来预设信号处理函数 singnal.signal(signalnum, handler) 其中第一个参数是信号量,第二个参数信号处理函数. 下面看个简单的例子,其中

  • python日志模块loguru详解

    python日志模块loguru详解

    目录 前言 使用步骤 安装库 简单使用方法 配置 异常追溯 总结 前言 在部署一些定时运行或者长期运行的任务时,为了留存一些导致程序出现异常或错误的信息,通常会才用日志的方式来进行记录这些信息.python内置的logging标准库博主是没用过,今天给大家介绍loguru,loguru 库的使用可以说是十分简单,希望通过本文大家再也不用通过print来排查代码了. 使用步骤 安装库 pip install loguru 简单使用方法 from loguru import logger logge

  • python调试模块ipdb详解

    目录 1. 调试python 1.1 使用ipdb 1.2 常用命令 1. 调试python ipdb是用来python中用以交互式debug的模块,可以直接利用pip安装; 其功能类似于pycharm中 python控制台,而使用ipdb 的优点,便是直接在代码中调试,避免了在python控制台,或者重新设置一些简单变量. pip install ipdb 1.1 使用ipdb 当程序运行到ipdb.set_trace()的地方会自动进入debug模式. for i in range(5):

  • Python OS模块实例详解

    本文实例讲述了Python OS模块.分享给大家供大家参考,具体如下: os模块 在自动化测试中,经常需要查找操作文件,比如查找配置文件(从而读取配置文件的信息),查找测试报告等等,经常会对大量文件和路径进行操作,这就需要依赖os模块. 1. os.getcwd() 功能:查看当前所在路径 import os print(os.getcwd()) 2. os.listdir() 列举目录下所有的文件,返回的是列表类型 import os print(os.listdir("c:\file&quo

  • Python Deque 模块使用详解

    创建Deque序列: from collections import deque d = deque() Deque提供了类似list的操作方法: d = deque() d.append('1') d.append('2') d.append('3') len(d) d[0] d[-1] 输出结果: 3 '1' '3' 两端都使用pop: d = deque('12345') len(d) d.popleft() d.pop() d 输出结果: 5 '1' '5' deque(['2', '3

  • Python标准库之Math,Random模块使用详解

    目录 数学模块 ceil -- 上取整 floor -- 下取整 四舍五入 pow -- 幂运算 sqrt -- 开平方运算 fabs -- 绝对值 modf -- 拆分整数小数 copysign -- 正负拷贝 fsum -- 序列和 pi -- 圆周率常数 factorial -- 因数 随机模块 random -- 获取 0~~1 之间的小数 randrange -- 获取指定范围内的整数 randint -- 获取指定范围整数 uniform -- 获取指定范围内随机小数(左闭右开) c

  • Python3 Random模块代码详解

    描述 random() 方法返回随机生成的一个实数,它在[0,1)范围内. import random help(random) FUNCTIONS betavariate(alpha, beta) method of Random instance # 随机实例的方法 Beta distribution. # β分布 Conditions on the parameters are alpha > 0 and beta > 0. # 必须传入大于0的alpha 与beta参数 Returne

随机推荐