【Python 基础教程】Python生成随机数

简介: 【Python 基础教程】Python生成随机数

前言


生成随机数一般使用的就是random模块下的函数,生成的随机数并不是真正意义上的随机数,而是对随机数的一种模拟。random模块包含各种伪随机数生成函数,以及各种根据概率分布生成随机数的函数。今天我们的目标就是摸清随机数有几种生成方式。


一、随机数种子


为什么要提出随机数种子呢?咱们前面提到过了,随机数均是模拟出来的,

想要模拟的比较真实,就需要变换种子函数内的数值,一般以时间戳为随机函数种子。

例如以下案例,将随机数种子固定的时候,生成的随机数也将固定。

系统默认以时间戳为种子进行随机数的生成。

单一时间戳

fe762eccae8648d59e023d18ad5031b8.png

随机时间戳

fffbc8a6c9b04f6bb69e8f31e32aeb3c.png

第一次结果

bdceb539751240748f3ea118e72bdad9.png

第二次结果

0ccd1cdb73f74ecf8fdf192157036ef3.png


二、生成随机数


以下一生成10个1-100的随机数为例
• 1


1.random()


生成[0-1)的随机数为float型。后面的大部分函数都是基于这个函数进行随机数生成的

想要生成响应区域的随机数可以使用这个函数乘以一个对应的整数


from random import *
for i in range(10):
    print(int(random()*100+1),end=" ")
print()


2.ranint(a,b)


随机生成一个a-b的整数

from random import *
for i in range(10):
    print(randint(1,100),end=" ")


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


有起始、终止、步长三大要素,在生成随机数的时候包括下限不包括上限。


from random import *
for i in range(10):
    print(int(randrange(1,101)),end=" ")


4.getrandbits(k)


返回一个随机整数,整数的位长为k位。

from random import *
for i in range(10):
    print(int(getrandbits(4)),end=" ")


三、生成随机序列


1.choice(seq)


从给定的序列中随机抽取一个


代码如下:


from random import *
test=[12,3,1,2,33,21]
for i in range(10):
    print(choice(test))


2.samplex(序列,k)


从序列中随机抽取k个元素,这k个元素不会重复。(需要满足len(序列)>=k)


代码如下:


from random import *
test=[1,23,3,22,13]
print(sample(test,3))


3.shuffle(x[,random])


这个函数的目的就是随机排序,在原序列的基础上进行排序


代码如下:


from random import *
test=[1,23,3,22,13]
shuffle(test)
print(test)


相关文章
|
4月前
|
数据采集 存储 XML
Python爬虫技术:从基础到实战的完整教程
最后强调: 父母法律法规限制下进行网络抓取活动; 不得侵犯他人版权隐私利益; 同时也要注意个人安全防止泄露敏感信息.
799 19
|
3月前
|
索引 Python
Python 列表切片赋值教程:掌握 “移花接木” 式列表修改技巧
本文通过生动的“嫁接”比喻,讲解Python列表切片赋值操作。切片可修改原列表内容,实现头部、尾部或中间元素替换,支持不等长赋值,灵活实现列表结构更新。
156 1
|
4月前
|
算法 安全 数据安全/隐私保护
Python随机数函数全解析:5个核心工具的实战指南
Python的random模块不仅包含基础的随机数生成函数,还提供了如randint()、choice()、shuffle()和sample()等实用工具,适用于游戏开发、密码学、统计模拟等多个领域。本文深入解析这些函数的用法、底层原理及最佳实践,帮助开发者高效利用随机数,提升代码质量与安全性。
874 0
|
4月前
|
数据采集 存储 JSON
使用Python获取1688商品详情的教程
本教程介绍如何使用Python爬取1688商品详情信息,涵盖环境配置、代码编写、数据处理及合法合规注意事项,助你快速掌握商品数据抓取与保存技巧。
|
6月前
|
机器学习/深度学习 数据安全/隐私保护 计算机视觉
过三色刷脸技术,过三色刷脸技术教程,插件过人脸python分享学习
三色刷脸技术是基于RGB三通道分离的人脸特征提取方法,通过分析人脸在不同颜色通道的特征差异
|
6月前
|
XML Linux 区块链
Python提取Word表格数据教程(含.doc/.docx)
本文介绍了使用LibreOffice和python-docx库处理DOC文档表格的方法。首先需安装LibreOffice进行DOC到DOCX的格式转换,然后通过python-docx读取和修改表格数据。文中提供了详细的代码示例,包括格式转换函数、表格读取函数以及修改保存功能。该方法适用于Windows和Linux系统,解决了老旧DOC格式文档的处理难题,为需要处理历史文档的用户提供了实用解决方案。
693 1
|
5月前
|
并行计算 算法 Java
Python3解释器深度解析与实战教程:从源码到性能优化的全路径探索
Python解释器不止CPython,还包括PyPy、MicroPython、GraalVM等,各具特色,适用于不同场景。本文深入解析Python解释器的工作原理、内存管理机制、GIL限制及其优化策略,并介绍性能调优工具链及未来发展方向,助力开发者提升Python应用性能。
350 0
|
5月前
|
数据采集 索引 Python
Python Slice函数使用教程 - 详解与示例 | Python切片操作指南
Python中的`slice()`函数用于创建切片对象,以便对序列(如列表、字符串、元组)进行高效切片操作。它支持指定起始索引、结束索引和步长,提升代码可读性和灵活性。
|
8月前
|
人工智能 安全 Shell
Jupyter MCP服务器部署实战:AI模型与Python环境无缝集成教程
Jupyter MCP服务器基于模型上下文协议(MCP),实现大型语言模型与Jupyter环境的无缝集成。它通过标准化接口,让AI模型安全访问和操作Jupyter核心组件,如内核、文件系统和终端。本文深入解析其技术架构、功能特性及部署方法。MCP服务器解决了传统AI模型缺乏实时上下文感知的问题,支持代码执行、变量状态获取、文件管理等功能,提升编程效率。同时,严格的权限控制确保了安全性。作为智能化交互工具,Jupyter MCP为动态计算环境与AI模型之间搭建了高效桥梁。
576 2
Jupyter MCP服务器部署实战:AI模型与Python环境无缝集成教程

推荐镜像

更多