Python random 随机函数(random、uniform、randint、choice、choices、randrange、shuffle、sample)

简介: Python random 随机函数(random、uniform、randint、choice、choices、randrange、shuffle、sample)

注意:当前使用环境为 Python 3.11.0

1、random.random()

用于生成一个 01 的随机符点数: 0 <= n < 1.0

# 代码
import random
print("random 1 : ", random.random())
print("random 2 : ", random.random())
# 结果
random 1 :  0.4154423907548088
random 2 :  0.6935043245002411

2、random.uniform()

函数原型为:random.uniform(a, b),用于生成一个指定范围内的随机符点数,两个参数其中一个是上限,一个是下限。

如果 a > b,则生成的随机数 n: b <= n <= a。如果 a < b, 则 a <= n <= b

# 代码
import random
print(random.uniform(1, 10))  
print(random.uniform(10, 1))
# 结果
5.936583898105403
8.911410030450034

3、random.randint()

函数原型为:random.randint(a, b),用于生成一个指定范围内的整数。其中参数 a 是下限,参数 b 是上限,生成的随机数 n: a <= n <= b,注意: 下限必须小于上限。

# 代码
import random
print (random.randint(10, 20))  # 生成的随机数 n: 10 <= n <= 20  
print (random.randint(10, 10))  # 结果永远是 10
# 结果
11
10

4、random.choice()

从序列中获取一个随机元素,函数原型为:random.choice(sequence)

参数 sequence 表示一个有序类型。这里要说明一下:sequencepython 不是一种特定的类型,而是泛指一系列的类型,listtuple字符串都属于 sequence

有关 sequence可以查看 python 手册数据模型这一章。

# 代码
import random
print(random.choice("Pythontab.com"))
print(random.choice(["python", "dzm", "com"]))
print(random.choice(("python", "dzm", "com")))
# 结果
h
python
com

5、random.choices()

函数原型为:random.choices(sequence, weights=None, cum_weights=None, k=1)

  • sequence 是必填参数,跟 random.choice() 一样。
  • weights 是可选参数,用于衡量每个值的可能性的可选参数,值越大随机出现的几率也就越大,不填跟 random.choice() 没区别。
  • cum_weights 是可选参数,用于权衡每个值的可能性,但是在这种情况下,可能性被累加。
  • k 是可选参数,用于定义返回列表的长度,默认 1 个。
# 代码
import random 
mylist = ["geeks", "for", "python"] 
print(random.choices(mylist, weights = [10, 1, 1], k = 5))
# 结果
['geeks', 'geeks', 'geeks', 'for', 'geeks']

6、random.randrange()

函数原型为:random.randrange([start], stop[, step]),从指定范围内,按指定基数递增的集合中 获取一个随机数。

如:random.randrange(10, 100, 2),结果相当于从 [10, 12, 14, 16, ... 96, 98] 序列中获取一个随机数。random.randrange(10, 100, 2) 在结果上与 random.choice(range(10, 100, 2) 等效。

# 代码
import random
print(random.randrange(10, 18, 2))
# 结果
16

7、random.shuffle()

函数原型为:random.shuffle(x[, random]),用于将一个列表中的元素打乱。

# 代码
import random
list = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
random.shuffle(list)
print(list)
# 结果
[6, 10, 2, 7, 8, 1, 3, 5, 9, 4]

8、random.sample()

函数原型为:random.sample(sequence, k),从指定序列中随机获取指定长度的片断,sample 函数不会修改原有序列。

# 代码
import random
list = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]  
slice = random.sample(list, 5)  # 从 list 中随机获取 5 个元素,作为一个片断返回  
print(slice) 
print(list) # 原有序列不会改变
# 结果
[4, 1, 5, 10, 3]
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
相关文章
|
7月前
|
资源调度 算法 JavaScript
Python基础专题 - 超级详细的 Random(随机)原理解析与编程实践
Python基础专题 - 超级详细的 Random(随机)原理解析与编程实践
615 0
|
算法 安全 量子技术
【Python】蒙特卡洛模拟 | PRNG 伪随机数发生器 | 马特赛特旋转算法 | LCG 线性同余算法 | Python Random 模块
【Python】蒙特卡洛模拟 | PRNG 伪随机数发生器 | 马特赛特旋转算法 | LCG 线性同余算法 | Python Random 模块
365 0
|
4月前
|
机器学习/深度学习 数据采集 安全
Python中的random模块及相关模块详解
随机函数是计算机科学中一个基础而又重要的概念,random模块为我们提供了丰富的功能来处理随机性。 通过深入学习和应用random模块以及numpy、secrets和matplotlib等相关模块,我们可以更好地处理各种随机性相关的问题。 无论是简单的随机数生成,还是复杂的随机分布和安全随机数,Python都为我们提供了强大的工具和库,使我们能够在各种应用场景中灵活应对随机性需求。
|
5月前
|
机器学习/深度学习 数据采集 安全
Python中的random模块及相关模块详解
随机函数是计算机科学中一个基础而又重要的概念,random模块为我们提供了丰富的功能来处理随机性。 通过深入学习和应用random模块以及numpy、secrets和matplotlib等相关模块,我们可以更好地处理各种随机性相关的问题。 无论是简单的随机数生成,还是复杂的随机分布和安全随机数,Python都为我们提供了强大的工具和库,使我们能够在各种应用场景中灵活应对随机性需求。
|
5月前
|
数据可视化 定位技术 API
|
7月前
|
资源调度 Python
|
7月前
|
资源调度 算法 Python
「Python系列」Python random模块、hashlib模块
`random` 模块在 Python 中提供了多种生成随机数的方法
51 0
|
7月前
|
Python
Python random模块(获取随机数)常用方法和使用例子
`random`模块在Python中用于生成随机数。
79 0
|
7月前
|
Python
Python学习 -- Math模块和Random模块
Python学习 -- Math模块和Random模块
49 0
|
7月前
|
Python
Python小姿势 - import random
Python小姿势 - import random
下一篇
DataWorks