這篇文章主要講解了“python random模塊高頻使用方法有哪些”，文中的講解內(nèi)容簡單清晰，易于學(xué)習(xí)與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學(xué)習(xí)“python random模塊高頻使用方法有哪些”吧！
為了方便大家理解和記憶，將方法進(jìn)行了歸類：
整數(shù)用函數(shù)
random.randrange(stop)隨機(jī)返回[0, stop-1]之間的整數(shù)
random.randrange(start, stop, step)隨機(jī)返回[start, stop-1]之間的整數(shù)。step是遞增計(jì)數(shù)，列一個(gè)公式你就明白了：(隨機(jī)生成的值—start)%step=0
random.randint(start, stop)隨機(jī)返回[start, stop]之間的整數(shù)
random.getrandbits(bits)用于隨機(jī)對應(yīng)bits位的整數(shù)隨機(jī)返回[0, 2的bits位-1]之間的整數(shù)。
最后需要注意一點(diǎn)：上面的幾個(gè)方法也是可以隨機(jī)返回負(fù)數(shù)的，只需要參數(shù)傳承負(fù)數(shù)就可以了。下面舉個(gè)例子：
# 0-2之間的整數(shù) print(random.randrange(3)) # 1-299之間的整數(shù)，增長基數(shù)是5 print(random.randrange(1, 300, 5)) # 1-20之間的整數(shù) print(random.randint(1, 20)) # -3到0之間的負(fù)數(shù) print(random.randint(-3, 0)) # -3到-1之間的負(fù)數(shù) print(random.randrange(-3, 0)) # 返回1~2-1之間的數(shù)字 print(random.randrange(1)) # 返回1~2的32次方-1之間的數(shù)字 print(random.getrandbits(32)) ## 返回值 0 1 17 0 -1 0 3150567570
浮點(diǎn)型函數(shù)
random.random()隨機(jī)返回[0,1)之間的浮點(diǎn)型數(shù)字
random.uniform(a, b)隨機(jī)返回[a,b)之間的浮點(diǎn)數(shù)字
其實(shí)上面的兩個(gè)方法也是符合數(shù)學(xué)隨機(jī)分布模式的，為了方便大家理解，我這里單獨(dú)列出來(區(qū)別于下面的 數(shù)學(xué)分布模式)，方便大家在隨機(jī)生成浮點(diǎn)型數(shù)字時(shí)，能少些猶豫。
# 1. 生成一個(gè)0-1之間隨機(jī)浮點(diǎn)數(shù)print(random.random())# 2. 生成一個(gè)a-b之間的隨機(jī)浮點(diǎn)數(shù)print(random.uniform(10, 500))print(random.uniform(40, 10)) # 返回值 0.7833926665736892 150.2805875943869 39.88236257691508
序列函數(shù)
顧名思義，序列函數(shù)隨機(jī)的對象是列表。
random.choice(list)從list隨機(jī)返回一個(gè)元素。
random.choices(list, weights,k)相當(dāng)于random.choice()的升級版本。weights是權(quán)重，針對list的每個(gè)元素都設(shè)置權(quán)重，來改變隨機(jī)的概率。k是返回幾個(gè)元素。需要注意這個(gè)方法返回的是列表。
random.sample( population, k )3.6新增功能，用于從population列表中，返回隨機(jī)無重復(fù)的抽樣。前面提過抽獎(jiǎng)，其實(shí)如果你想做一個(gè)抽獎(jiǎng)系統(tǒng)，可以用這個(gè)方法改造。
random.shuffle(list)將list列表中的元素隨機(jī)打亂。
對應(yīng)的例子如下：
# 從給定的序列中隨機(jī)選擇一個(gè)元素 print(random.choice([1, 2, 3, 4, 5])) # random.choice的升級版本，還可以指定某個(gè)元素對應(yīng)的權(quán)重 print(random.choices([1, 2, 3, 4, 5], [10, 15, 45, 50, 60])) # 打亂某個(gè)序列，從python3.6新增的方法 list_test = [2, 3, 4, 5, 6] random.shuffle(list_test) print(list_test) # 取樣，從某個(gè)列表中，隨機(jī)選擇若干個(gè)元素 print(random.sample([1, 2, 3, 4, 5, 6, 7], k=3)) # 返回值 3 [5] [6, 3, 4, 2, 5] [6, 1, 7]
控制random的行為
random.seed( a=None, version=2 )設(shè)置random的種子值，怎么理解種子值呢？大家就想一句話就好了：“種瓜得瓜種豆得豆”，所以一樣的種子值，那么種出來的結(jié)果是一樣的。假如現(xiàn)在隨機(jī)兩次，在調(diào)用random隨機(jī)生成數(shù)據(jù)前，將random.seed設(shè)置成一樣的值，則隨機(jī)生成的值是一樣的。
random.getstate()這個(gè)很簡單，就是返回random生成器當(dāng)前的狀態(tài)的。
random.setstate(state)這個(gè)用于設(shè)置random的狀態(tài)setstate和getstate方法結(jié)合起來使用，可以用于恢復(fù)random的狀態(tài)。
對應(yīng)的例子如下：
# 驗(yàn)證seed random.seed(1) print(random.randrange(1000)) random.seed(1) print(random.randrange(1000)) # 驗(yàn)證random的狀態(tài) state = random.getstate() print(random.randrange(1000)) print(random.randrange(1000)) random.setstate(state) print(random.randrange(1000)) # 返回結(jié)果 137 137 582 867 582
數(shù)學(xué)分布模式
下面列的這些方法都是跟數(shù)學(xué)分布的概念有關(guān)系，說實(shí)話大學(xué)里學(xué)的相關(guān)的東西，都還給老師了，我查了資料想去理解不同的數(shù)學(xué)分布的知識，但是理解起來有些吃力，不過其實(shí)對我們使用的人來說，只需要理解其能根據(jù)一定規(guī)則，隨機(jī)返回浮點(diǎn)數(shù)就可以了。
random.triangular(low, high, mode) 以三角分布的概率分布返回隨機(jī)數(shù)
random.betavariate(alpha, beta) 以beta分布的概率分布返回0到1之間的隨機(jī)數(shù)
random.expovariate() 以指數(shù)分布返回隨機(jī)數(shù)
random.gammavariate(alpha, beta) 以gamma分布的概率分布返回隨機(jī)數(shù)
random.gauss(mu, sigma) 以高斯分布的概率分布返回隨機(jī)數(shù)
random.lognormvariate(mu, sigma) 以對數(shù)正態(tài)分布的概率分布返回隨機(jī)數(shù)
random.normalvariate(mu, sigma) 和高斯分布類似
random.vonmisesvariate(mu, kappa) 以von Mises分布的概率分布返回隨機(jī)數(shù)
random.paretovariate(alpha) 以Pareto（ 帕累托）分布的概率分布返回隨機(jī)數(shù)
random.weibullvariate(alpha, beta) 以Weibull（威爾布）分布的概率分布返回隨機(jī)數(shù)
其實(shí)大家也不需要完全記住上面的方法，碰到具體的使用場景，知道有對應(yīng)的方法，能查看文檔找到就可以了。
感謝各位的閱讀，以上就是“python random模塊高頻使用方法有哪些”的內(nèi)容了，經(jīng)過本文的學(xué)習(xí)后，相信大家對python random模塊高頻使用方法有哪些這一問題有了更深刻的體會，具體使用情況還需要大家實(shí)踐驗(yàn)證。這里是創(chuàng)新互聯(lián)，小編將為大家推送更多相關(guān)知識點(diǎn)的文章，歡迎關(guān)注！
重慶分公司
重慶分公司
