1 模塊：random內(nèi)建模塊，偽隨機(jī)數(shù)生成器

使用Mersenne Twister的偽隨機(jī)數(shù)生成器PRNG進(jìn)行生成，它以一個(gè)確定的數(shù)字作為屬于，并為其生成一個(gè)隨機(jī)數(shù)；為了安全起見(jiàn)，不要用PRNG生成隨機(jī)數(shù)，要用secrets模塊的真隨機(jī)數(shù)TRNG生成；

2 播種隨機(jī)數(shù)，即用隨機(jī)數(shù)種子seed控制隨機(jī)數(shù)

>>> import random

## 1、當(dāng)不指定種子seed時(shí)，PRNG每次生成的數(shù)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(dāng)指定種子seed時(shí)，PRNG每次生成的數(shù)是一樣的，所以稱(chēng)為偽隨機(jī)數(shù)

>>> 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 在已知的范圍內(nèi)生成隨機(jī)數(shù)，例如[2, 5]，那就可以random.random()*3 + 2, uniform(2,5), randint(2,5)

##Python學(xué)習(xí)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(kāi)始值和結(jié)束值作為參數(shù)，返回一個(gè)浮點(diǎn)型的隨機(jī)數(shù)

>>> 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(gè)整數(shù)

>>> 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(jī)選擇一個(gè)值：choice(), choices()

## 1、choice會(huì)從這個(gè)列表中隨機(jī)選擇一個(gè)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(huì)從這個(gè)列表中隨機(jī)選擇多個(gè)值(隨機(jī)數(shù)的數(shù)量可以超過(guò)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將數(shù)組作為權(quán)重傳遞，增加每個(gè)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(duì)列表隨機(jī)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(jù)概率分布生成隨機(jī)數(shù)：gauss(), expovariate()

(1)高斯分布gauss()

##Python學(xué)習(xí)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(shù)分布expovariate()：以lambda的值作為參數(shù)，lambda為正，則返回從0到正無(wú)窮的值；如果lambda為負(fù)，則返回從負(fù)無(wú)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)伯努利分布

(4)均勻分布

(5)二項(xiàng)分布

(6)正太分布

(7)泊松分布

總結(jié)

以上是生活随笔為你收集整理的python中uniform randint_python生成随机数：uniform(), randint(), gauss(), expovariate()的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。