隨機數生成是日常工作中經常使用的功能。下面簡要介紹下Python的隨機數生成標準庫random。 一、常用函數 （1）生成0和1之間的浮點數，random() 生成區間為[0,1) import?random print(random.random()) 輸出結果：0.8092116913076974 （2）生成a和b之間的整數，randint(a,b) 生成區間為[a,b] print(random.randint(-10,10)) 輸出結果：9 a必須小于等于b，如果a==b，則輸出a。 print(random.randint(10,10)) 輸出結果：10 （3）生成a和b之間的浮點數，unifrom(a,b)，也是均勻分布，因為非常常用放在這里。 生成區間為[a,b] print(random.uniform(-10,10)) 輸出結果：-4.109021075631352 這個函數中，a可以大于b，生成的是min(a,b)和max(a,b)之間的浮點數。 （4）生成a和b之間某個范圍的整數，randrange(a,b,step) 生成區間為：在[a,b]范圍內，從a開始（包含a），每隔step的數形成的集合。 print(random.randrange(0,10,2)) 輸出結果：生成[0,10]之前的偶數 print(random.randrange(1,10,2)) 輸出結果：生成[0,10]之前的奇數 二、操作序列的函數 （1）從一個序列seq中隨機選取一個元素，choice(seq) seq1 = [1,2,3,4,5] seq2 = ((1,2),(3,4),(5,6)) seq3 ="abcdef" print(random.choice(seq1)) print(random.choice(seq2)) print(random.choice(seq3)) 輸出結果： 5 (3, 4) a （2）將一個列表list中的元素隨機打亂，shuffle(list) 注意，shuffle函數需要修改原序列，因此輸入的序列seq必須是可更改的，所以只支持list類型。shuffle有個很傳神的名字：洗牌。 seq = [1,2,3,4,5] print(random.shuffle(seq),seq,sep='\n') 輸出結果： None [2, 5, 1, 4, 3] （3）從一個序列中隨機取出k個元素，sample(seq,k) seq = [1,2,3,4,5] print(random.sample(seq,3),seq,sep='\n') 輸出結果： [4, 5, 2] [1, 2, 3, 4, 5] 注意幾個方面：一是sample并不改變原序列，因此輸入序列seq可以是元組、字符串、set等數據類型。二是取出k個元素是從不同位置取值的，因此如果原序列無重復元素，形成的新序列也不會存在重復元素。三是不管輸入序列seq是什么類型，sample返回的是list類型，看下例。 seq = "abcdef" print(random.sample(seq,3),seq,sep='\n') 輸出結果： ['c', 'a', 'd'] abcdef 三、隨機生成符合某種分布的數據 （1）均勻分布，uniform(a,b) 見第一節描述。非常常用。 （2）正態分布，normalvariate(mu,sigma) mu：均值 sigma：標準差 mu=0，sigma=1為標準正態分布。 除了均勻分布，正態分布用的是最多的。 import?random import?numpy?as?np import?time st = time.clock() N =1000000 n = [] for?i?in?range(N): ? ? n.append(random.normalvariate(0,1)) print("均值=",np.mean(n)) print("標準差=",np.std(n)) print("耗時=",time.clock() - st) 輸出結果： 均值= -7.42643413388e-05 標準差= 1.00049689373 耗時= 5.702438655147374 可以看出，隨機生成1000000個數，這些數符合正態分布。 （3）高斯分布，gauss(mu,sigma) 就是正態分布，采用了不同的實現方式，據說運行速度更快。 import random import numpy as np import?time st = time.clock() N =1000000 n = [] for?i?in?range(N): ? ? n.append(random.gauss(0,1)) print("均值=",np.mean(n)) print("標準差=",np.std(n)) print("耗時=",time.clock() - st) 輸出結果 均值= 0.000604319020838 標準差= 0.999634159673 耗時= 4.827287158657131 1000000個數快了不到1秒，也沒快太多。 （4）還有生成三角形分布、對數分布、指數分布、β分布、伽馬分布等的函數 triangular(low, high, mode)三角形分布 lognormvariate(mu, sigma)對數分布 expovariate(lambd)指數分布 gammavariate(alpha, beta)伽馬分布 等等。實際工作中，這些分布比均勻分布和正態分布用的都少的多。

總結

以上是生活随笔為你收集整理的Python的random的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。