random

閱讀:?8288

評論：1

random模塊用于生成偽隨機數(shù)。

真正意義上的隨機數(shù)(或者隨機事件)是按照實驗過程中表現(xiàn)的分布概率隨機產生的，其結果是不可預測的。而計算機中的隨機數(shù)是所謂的隨機函數(shù)按照一定算法模擬產生的，其結果是確定的，是可預測的。所以用計算機隨機函數(shù)所產生的“隨機數(shù)”并不隨機，是偽隨機數(shù)，絕對不可以用來生成密碼。

1.計算機的偽隨機數(shù)是由隨機種子根據一定的計算方法計算出來的數(shù)值。所以，只要計算方法一定，隨機種子一定，那么產生的隨機數(shù)就是固定的。

2.如果用戶不設置隨機種子，那么隨機種子默認來自系統(tǒng)時鐘。

1. 基本方法

random.seed(a=None, version=2)

初始化隨機數(shù)生成器。如果未提供a或者a=None，則使用系統(tǒng)時間為種子。如果a是一個整數(shù)，則作為新的種子。

random.getstate()

返回當前生成器的內部狀態(tài)

random.setstate(state)

傳入一個先前利用getstate方法獲得的狀態(tài)對象，使得生成器恢復到這個狀態(tài)。

random.getrandbits(k)

返回一個不大于K位的Python整數(shù)(十進制)，比如k=10，則結果是0~2^10之間的整數(shù)。

2. 針對整數(shù)的方法

注意：在使用后面的方法時，一定要小心區(qū)間的開閉！

random.randrange(stop)

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

等同于后面的choice(range(start,stop,step))，從range的范圍內隨機選擇一個整數(shù)。這個方法并不實際創(chuàng)建range對象。

random.randint(a, b)

返回一個a <= N <= b的隨機整數(shù)N。等同于randrange(a, b+1)。

3. 針對序列類型的方法

random.choice(seq)

從非空序列seq中隨機選取一個元素。如果seq為空則彈出IndexError異常。

random.choices(population, weights=None, *, cum_weights=None, k=1)

3.6版本新增。從population集群中隨機抽取K個元素。weights是相對權重列表，cum_weights是累計權重，兩個參數(shù)不能同時存在。

random.shuffle(x[, random])

隨機打亂序列x內元素的排列順序，俗稱“洗牌”。只能用于可變的序列，對于不可變序列，請使用下面的sample()方法。

random.sample(population, k)

從population樣本或集合中隨機抽取K個不重復的元素形成新的序列。常用于不重復的隨機抽樣。返回的是一個新的序列，不會破壞原有序列。比如從一個整數(shù)區(qū)間隨機抽取一定數(shù)量的整數(shù)random.sample(range(10000000), k=60)，這非常有效和節(jié)省空間。

如果k大于population的長度，則彈出ValueError異常。

4. 真值分布

random模塊最高端的功能其實在這里。

random.random()

返回一個介于左閉右開[0.0, 1.0)區(qū)間的浮點數(shù)。

random.uniform(a, b)

返回一個介于a和b之間的浮點數(shù)。如果a>b，則是b到a之間的浮點數(shù)。這里的a和b都有可能出現(xiàn)在結果中。

random.triangular(low, high, mode)

返回一個low <= N <=high的三角形分布的隨機數(shù)。參數(shù)mode指明眾數(shù)出現(xiàn)位置。

random.betavariate(alpha, beta)

β分布。返回的結果在0~1之間。

random.expovariate(lambd)

指數(shù)分布

random.gammavariate(alpha, beta)

伽馬分布

random.gauss(mu, sigma)

高斯分布

random.lognormvariate(mu, sigma)

對數(shù)正態(tài)分布

random.normalvariate(mu, sigma)

正態(tài)分布

random.vonmisesvariate(mu, kappa)

卡帕分布

random.paretovariate(alpha)

帕累托分布

random.weibullvariate(alpha, beta)

這個...請數(shù)學高手解答一下，囧。

5. 可選擇的生成器

class random.SystemRandom([seed])

使用os.urandom()方法生成隨機數(shù)的類，由操作系統(tǒng)提供源碼，不一定所有系統(tǒng)都支持。

6. 重要的例子

>>> from random import *

>>> random() # 隨機浮點數(shù): 0.0 <= x < 1.0

0.37444887175646646

>>> uniform(2.5, 10.0) # 隨機浮點數(shù): 2.5 <= x < 10.0

3.1800146073117523

>>> randrange(10) # 0-9的整數(shù)：

7

>>> randrange(0, 101, 2) # 0-100的偶數(shù)

26

>>> choice(['win', 'lose', 'draw']) # 從序列隨機選擇一個元素

'draw'

>>> deck = 'ace two three four'.split()

>>> shuffle(deck) # 對序列進行洗牌，改變原序列

>>> deck

['four', 'two', 'ace', 'three']

>>> sample([10, 20, 30, 40, 50], k=4) # 不改變原序列的抽取指定數(shù)目樣本，并生成新序列

[40, 10, 50, 30]

>>> # 6次旋轉紅黑綠輪盤(帶權重可重復的取樣)，不破壞原序列

>>> choices(['red', 'black', 'green'], [18, 18, 2], k=6)

['red', 'green', 'black', 'black', 'red', 'black']

>>> # Deal 20 cards without replacement from a deck of 52 playing cards

>>> # and determine the proportion of cards with a ten-value

>>> # (a ten, jack, queen, or king).

>>> deck = collections.Counter(tens=16, low_cards=36)

>>> seen = sample(list(deck.elements()), k=20)

>>> seen.count('tens') / 20

0.15

>>> # Estimate the probability of getting 5 or more heads from 7 spins

>>> # of a biased coin that settles on heads 60% of the time.

>>> trial = lambda: choices('HT', cum_weights=(0.60, 1.00), k=7).count('H') >= 5

>>> sum(trial() for i in range(10000)) / 10000

0.4169

>>> # Probability of the median of 5 samples being in middle two quartiles

>>> trial = lambda : 2500 <= sorted(choices(range(10000), k=5))[2] < 7500

>>> sum(trial() for i in range(10000)) / 10000

0.7958

下面是生成一個包含大寫字母A-Z和數(shù)字0-9的隨機4位驗證碼的程序

import random

checkcode = ''

for i in range(4):

current = random.randrange(0,4)

if current != i:

temp = chr(random.randint(65,90))

else:

temp = random.randint(0,9)

checkcode += str(temp)

print(checkcode)

下面是生成指定長度字母數(shù)字隨機序列的代碼：

import random, string

def gen_random_string(length):

# 數(shù)字的個數(shù)隨機產生

num_of_numeric = random.randint(1,length-1)

# 剩下的都是字母

num_of_letter = length - num_of_numeric

# 隨機生成數(shù)字

numerics = [random.choice(string.digits) for i in range(num_of_numeric)]

# 隨機生成字母

letters = [random.choice(string.ascii_letters) for i in range(num_of_letter)]

# 結合兩者

all_chars = numerics + letters

# 洗牌

random.shuffle(all_chars)

# 生成最終字符串

result = ''.join([i for i in all_chars])

return result

if __name__ == '__main__':

print(gen_random_string(64))

評論總數(shù)： 1

random.weibullvariate(alpha, beta)是韋布爾分布

By

用戶5888865032???On

2019年4月15日 10:12

回復

總結

以上是生活随笔為你收集整理的python中getrandbits函数用法_python random - 刘江的python教程的全部內容，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。