Python学习 -- Math模块和Random模块

简介: Python学习 -- Math模块和Random模块

math 模块提供了许多数学函数,用于执行各种数学运算。以下是一些常用的 math 函数以及相应的示例代码:

math.sqrt(x): 计算平方根。

import math
x = 25
square_root = math.sqrt(x)
print(f"√{x} = {square_root}")

math.pow(x, y): 计算 x 的 y 次方。

import math
x = 2
y = 3
result = math.pow(x, y)
print(f"{x}^{y} = {result}")

math.sin(x) 和 math.cos(x): 计算给定角度 x(弧度)的正弦和余弦值。

import math
angle_degrees = 45
angle_radians = math.radians(angle_degrees)
sin_value = math.sin(angle_radians)
cos_value = math.cos(angle_radians)
print(f"sin({angle_degrees}°) = {sin_value}")
print(f"cos({angle_degrees}°) = {cos_value}")

math.exp(x): 计算指数函数 e^x 的值。

import math
x = 2
exp_result = math.exp(x)
print(f"e^{x} = {exp_result}")

math.log(x) 和 math.log10(x): 计算自然对数和以 10 为底的对数。

import math
x = 100
ln_result = math.log(x)
log10_result = math.log10(x)
print(f"ln({x}) = {ln_result}")
print(f"log10({x}) = {log10_result}")

math.ceil(x): 向上取整,返回不小于 x 的最小整数。

import math
x = 3.7
ceil_result = math.ceil(x)
print(f"向上取整({x}) = {ceil_result}")

math.floor(x): 向下取整,返回不大于 x 的最大整数。

import math
x = 3.7
floor_result = math.floor(x)
print(f"向下取整({x}) = {floor_result}")

math.fabs(x): 返回 x 的绝对值。

import math
x = -5
abs_result = math.fabs(x)
print(f"|{x}| = {abs_result}")

math.factorial(x): 计算 x 的阶乘。

import math
x = 5
factorial_result = math.factorial(x)
print(f"{x}的阶乘 = {factorial_result}")

math.modf(x): 将 x 拆分为整数部分和小数部分,返回一个元组。

import math
x = 3.14
integer_part, fractional_part = math.modf(x)
print(f"{x}的整数部分 = {integer_part}")
print(f"{x}的小数部分 = {fractional_part}")

random 模块提供了生成伪随机数的函数,用于模拟随机事件或进行随机选择。以下是一些常用的 random 模块函数以及相应的示例代码:

random.random(): 生成一个位于 [0.0, 1.0) 范围内的随机浮点数。

import random
random_float = random.random()
print(f"随机浮点数: {random_float}")

random.randint(a, b): 生成一个位于 [a, b] 范围内的随机整数。

import random
random_int = random.randint(1, 10)
print(f"随机整数: {random_int}")

random.choice(seq): 从序列 seq 中随机选择一个元素。

import random
my_list = [1, 2, 3, 4, 5]
random_choice = random.choice(my_list)
print(f"随机选择: {random_choice}")

random.shuffle(seq): 随机打乱序列 seq 中的元素顺序(原地操作)。

import random
my_list = [1, 2, 3, 4, 5]
random.shuffle(my_list)
print(f"打乱后的列表: {my_list}")

random.sample(population, k): 从总体 population 中随机选择 k 个唯一的元素。

import random
my_population = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
random_sample = random.sample(my_population, 3)
print(f"随机抽样: {random_sample}")

random.uniform(a, b): 生成一个位于 [a, b] 范围内的随机浮点数。

import random
random_float = random.uniform(1.0, 2.0)
print(f"随机浮点数: {random_float}")
目录
相关文章
|
3天前
|
存储 Java 数据处理
(numpy)Python做数据处理必备框架!(一):认识numpy;从概念层面开始学习ndarray数组:形状、数组转置、数值范围、矩阵...
Numpy是什么? numpy是Python中科学计算的基础包。 它是一个Python库,提供多维数组对象、各种派生对象(例如掩码数组和矩阵)以及用于对数组进行快速操作的各种方法,包括数学、逻辑、形状操作、排序、选择、I/0 、离散傅里叶变换、基本线性代数、基本统计运算、随机模拟等等。 Numpy能做什么? numpy的部分功能如下: ndarray,一个具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组 用于对整组数据进行快速运算的标准数学函数(无需编写循环)。 用于读写磁盘数据的工具以及用于操作内存映射文件的工具。 线性代数、随机数生成以及傅里叶变换功能。 用于集成由C、C++
60 1
|
3天前
|
存储 JavaScript Java
(Python基础)新时代语言!一起学习Python吧!(四):dict字典和set类型;切片类型、列表生成式;map和reduce迭代器;filter过滤函数、sorted排序函数;lambda函数
dict字典 Python内置了字典:dict的支持,dict全称dictionary,在其他语言中也称为map,使用键-值(key-value)存储,具有极快的查找速度。 我们可以通过声明JS对象一样的方式声明dict
32 1
|
3天前
|
算法 Java Docker
(Python基础)新时代语言!一起学习Python吧!(三):IF条件判断和match匹配;Python中的循环:for...in、while循环;循环操作关键字;Python函数使用方法
IF 条件判断 使用if语句,对条件进行判断 true则执行代码块缩进语句 false则不执行代码块缩进语句,如果有else 或 elif 则进入相应的规则中执行
53 1
|
2天前
|
监控 安全 程序员
Python日志模块配置:从print到logging的优雅升级指南
从 `print` 到 `logging` 是 Python 开发的必经之路。`print` 调试简单却难维护,日志混乱、无法分级、缺乏上下文;而 `logging` 支持级别控制、多输出、结构化记录,助力项目可维护性升级。本文详解痛点、优势、迁移方案与最佳实践,助你构建专业日志系统,让程序“有记忆”。
33 0
|
3天前
|
存储 Java 索引
(Python基础)新时代语言!一起学习Python吧!(二):字符编码由来;Python字符串、字符串格式化;list集合和tuple元组区别
字符编码 我们要清楚,计算机最开始的表达都是由二进制而来 我们要想通过二进制来表示我们熟知的字符看看以下的变化 例如: 1 的二进制编码为 0000 0001 我们通过A这个字符,让其在计算机内部存储(现如今,A 字符在地址通常表示为65) 现在拿A举例: 在计算机内部 A字符,它本身表示为 65这个数,在计算机底层会转为二进制码 也意味着A字符在底层表示为 1000001 通过这样的字符表示进行转换,逐步发展为拥有127个字符的编码存储到计算机中,这个编码表也被称为ASCII编码。 但随时代变迁,ASCII编码逐渐暴露短板,全球有上百种语言,光是ASCII编码并不能够满足需求
25 3
|
3天前
|
存储 JavaScript Java
(Python基础)新时代语言!一起学习Python吧!(一):认识Python、Py解释器作用;编写第一个Python程序;Python中的基本数据结构
认识Python 前提安装好Python,这里使用3.13版本 如今Python作为变成姐最炙手可热的编程语言,它的使用途径涵盖绝大部分生活中需要的开发需要。 许多大型网站就是用Python开发的,例如YouTube、Instagram,还有国内的豆瓣。很多大公司,包括Google、Yahoo等,甚至NASA都大量地使用Python。
85 1
|
15天前
|
JavaScript Java 大数据
基于python的网络课程在线学习交流系统
本研究聚焦网络课程在线学习交流系统,从社会、技术、教育三方面探讨其发展背景与意义。系统借助Java、Spring Boot、MySQL、Vue等技术实现,融合云计算、大数据与人工智能,推动教育公平与教学模式创新,具有重要理论价值与实践意义。
|
23天前
|
安全 大数据 程序员
Python operator模块的methodcaller:一行代码搞定对象方法调用的黑科技
`operator.methodcaller`是Python中处理对象方法调用的高效工具,替代冗长Lambda,提升代码可读性与性能。适用于数据过滤、排序、转换等场景,支持参数传递与链式调用,是函数式编程的隐藏利器。
73 4
|
17天前
|
存储 数据库 开发者
Python SQLite模块:轻量级数据库的实战指南
本文深入讲解Python内置sqlite3模块的实战应用,涵盖数据库连接、CRUD操作、事务管理、性能优化及高级特性,结合完整案例,助你快速掌握SQLite在小型项目中的高效使用,是Python开发者必备的轻量级数据库指南。
143 0
|
2月前
|
存储 安全 数据处理
Python 内置模块 collections 详解
`collections` 是 Python 内置模块,提供多种高效数据类型,如 `namedtuple`、`deque`、`Counter` 等,帮助开发者优化数据处理流程,提升代码可读性与性能,适用于复杂数据结构管理与高效操作场景。
115 0

热门文章

最新文章

  • 1
    Python零基础爬取东方财富网股票行情数据指南
    46
  • 2
    解析Python爬虫中的Cookies和Session管理
    46
  • 3
    Python日志模块配置:从print到logging的优雅升级指南
    33
  • 4
    【可视化大屏】全流程讲解用python的pyecharts库实现拖拽可视化大屏的背后原理,简单粗暴!
    40
  • 5
    (Pandas)Python做数据处理必选框架之一!(二):附带案例分析;刨析DataFrame结构和其属性;学会访问具体元素;判断元素是否存在;元素求和、求标准值、方差、去重、删除、排序...
    42
  • 6
    (Pandas)Python做数据处理必选框架之一!(一):介绍Pandas中的两个数据结构;刨析Series:如何访问数据;数据去重、取众数、总和、标准差、方差、平均值等;判断缺失值、获取索引...
    72
  • 7
    (numpy)Python做数据处理必备框架!(二):ndarray切片的使用与运算;常见的ndarray函数:平方根、正余弦、自然对数、指数、幂等运算;统计函数:方差、均值、极差;比较函数...
    42
  • 8
    (numpy)Python做数据处理必备框架!(一):认识numpy;从概念层面开始学习ndarray数组:形状、数组转置、数值范围、矩阵...
    60
  • 9
    (Python基础)新时代语言!一起学习Python吧!(四):dict字典和set类型;切片类型、列表生成式;map和reduce迭代器;filter过滤函数、sorted排序函数;lambda函数
    32
  • 10
    (Python基础)新时代语言!一起学习Python吧!(三):IF条件判断和match匹配;Python中的循环:for...in、while循环;循环操作关键字;Python函数使用方法
    53
  • 推荐镜像

    更多