python生成隨機數:uniform(), randint(), gauss(), expovariate()
阿新 • • 發佈:2020-10-07
1 模組:random內建模組,偽隨機數生成器
使用Mersenne Twister的偽隨機數生成器PRNG進行生成,它以一個確定的數字作為屬於,併為其生成一個隨機數;為了安全起見,不要用PRNG生成隨機數,要用secrets模組的真隨機數TRNG生成;
2 播種隨機數,即用隨機數種子seed控制隨機數
>>> import random ## 1、當不指定種子seed時,PRNG每次生成的數不一樣 >>> print('Random Number 1=>',random.random()) Random Number 1=> 0.21008902332926982 >>> print('Random Number 2=>',random.random()) Random Number 2=> 0.434434837731393 ## 2、當指定種子seed時,PRNG每次生成的數是一樣的,所以稱為偽隨機數 >>> random.seed(42) >>> print('Random Number 1=>',random.random()) Random Number 1=> 0.6394267984578837 >>> random.seed(42) >>> print('Random Number 2=>',random.random()) Random Number 2=> 0.6394267984578837
3 在已知的範圍內生成隨機數,例如[2, 5],那就可以random.random()*3 + 2, uniform(2,5), randint(2,5)
##Python學習交流群:778463939 ## 1、random.random()*3 + 2 >>> print('Random Number in range(2,8)=>', random.random()*6+2) Random Number in range(2,8)=> 2.1500645313360014 ## 2、uniform():獲取開始值和結束值作為引數,返回一個浮點型的隨機數 >>> print('Random Number in range(2,8)=>', random.uniform(2,8)) Random Number in range(2,8)=> 3.6501759102147155 ## 3、randint():和uniform相似,不同的是返回值為一個整數 >>> print('Random Number in range(2,8)=>', random.randint(2,8)) Random Number in range(2,8)=> 3
4 從列表中隨機選擇一個值:choice(), choices()
## 1、choice會從這個列表中隨機選擇一個值 >>> a=[5,9,20,10,2,8] >>> print('Randomly picked number=>',random.choice(a)) Randomly picked number=> 9 >>> print('Randomly picked number=>',random.choice(a)) Randomly picked number=> 8 >>> print('Randomly picked number=>',random.choice(a)) Randomly picked number=> 5 ## 2、choices會從這個列表中隨機選擇多個值(隨機數的數量可以超過列表程度) >>> print('Randomly picked number=>',random.choices(a,k=3)) Randomly picked number=> [5, 20, 5] >>> print('Randomly picked number=>',random.choices(a,k=3)) Randomly picked number=> [9, 10, 5] >>> print('Randomly picked number=>',random.choices(a,k=3)) Randomly picked number=> [9, 10, 10] ## 3、choices利用weights將陣列作為權重傳遞,增加每個值被選取的可能性 >>> print('Randomly picked number=>',random.choices(a,weights=[1,1,1,3,1,1],k=3)) Randomly picked number=> [5, 5, 2] >>> print('Randomly picked number=>',random.choices(a,weights=[1,1,1,3,1,1],k=3)) Randomly picked number=> [10, 2, 10] >>> print('Randomly picked number=>',random.choices(a,weights=[1,1,1,3,1,1],k=3)) Randomly picked number=> [10, 8, 10]
5 shuffling改組列表,對列表隨機重排
>>> print('Original list=>',a)
Original list=> [5, 9, 20, 10, 2, 8]
>>> random.shuffle(a)
>>> print('Shuffled list=>',a)
Shuffled list=> [10, 5, 8, 9, 2, 20]
6 根據概率分佈生成隨機數:gauss(), expovariate()
(1)高斯分佈gauss()
##Python學習交流群:778463939
>>> import random
>>> import matplotlib.pyplot as plt
>>> temp = []
>>> for i in range(1000):
... temp.append(random.gauss(0,1))
...
>>> plt.hist(temp, bins=30)
>>> plt.show()
(2)變數分佈expovariate():以lambda的值作為引數,lambda為正,則返回從0到正無窮的值;如果lambda為負,則返回從負無窮到0的值
>>> print('Random number from exponential distribution=>',random.expovariate(10))
Random number from exponential distribution=> 0.012164560954097013
>>> print('Random number from exponential distribution=>',random.expovariate(-1))
Random number from exponential distribution=> -0.6461397037921695
(3)伯努利分佈
(4)均勻分佈
(5)二項分佈
(6)正太分佈
(7)泊松分佈