Rnd函數(shù) 返回
成都創(chuàng)新互聯(lián)專業(yè)為企業(yè)提供寶清網(wǎng)站建設(shè)、寶清做網(wǎng)站、寶清網(wǎng)站設(shè)計(jì)、寶清網(wǎng)站制作等企業(yè)網(wǎng)站建設(shè)、網(wǎng)頁設(shè)計(jì)與制作、寶清企業(yè)網(wǎng)站模板建站服務(wù)，十載寶清做網(wǎng)站經(jīng)驗(yàn)，不只是建網(wǎng)站，更提供有價(jià)值的思路和整體網(wǎng)絡(luò)服務(wù)。
返回一個(gè)包含隨機(jī)數(shù)值的 Single。
語法
Rnd[(number)]
可選的 number 參數(shù)是 Single 或任何有效的數(shù)值表達(dá)式。
返回值
如果 number 的值是 Rnd 生成
小于 0 每次都使用 number 作為隨機(jī)數(shù)種子得到的相同結(jié)果。
大于 0 序列中的下一個(gè)隨機(jī)數(shù)。
等于 0 最近生成的數(shù)。
省略 序列中的下一個(gè)隨機(jī)數(shù)。
說明
Rnd 函數(shù)返回小于 1 但大于或等于 0 的值。
number 的值決定了 Rnd 生成隨機(jī)數(shù)的方式。
對最初給定的種子都會(huì)生成相同的數(shù)列，因?yàn)槊恳淮握{(diào)用 Rnd 函數(shù)都用數(shù)列中的前一個(gè)數(shù)作為下一個(gè)數(shù)的種子。
在調(diào)用 Rnd 之前，先使用無參數(shù)的 Randomize 語句初始化隨機(jī)數(shù)生成器，該生成器具有根據(jù)系統(tǒng)計(jì)時(shí)器得到的種子。
為了生成某個(gè)范圍內(nèi)的隨機(jī)整數(shù)，可使用以下公式：
Int((upperbound - lowerbound + 1) * Rnd + lowerbound)
這里，upperbound 是隨機(jī)數(shù)范圍的上限，而 lowerbound 則是隨機(jī)數(shù)范圍的下限。
注意 若想得到重復(fù)的隨機(jī)數(shù)序列，在使用具有數(shù)值參數(shù)的 Randomize 之前直接調(diào)用具有負(fù)參數(shù)值的 Rnd。使用具有同樣 number 值的 Randomize 是不會(huì)得到重復(fù)的隨機(jī)數(shù)序列的。
rnd，Visual Basic中隨機(jī)函數(shù)。
格式：Rnd(數(shù)值表達(dá)式)
功能：求[0,1)之間的一個(gè)隨機(jī)數(shù)
語法：
Rnd[(number)]
如果 number 的值是 Randomize 生成
①小于 0 ，每次都使用 number 作為隨機(jī)數(shù)種子得到的相同結(jié)果。
②大于 0 ，以上一個(gè)隨機(jī)數(shù)為種子產(chǎn)生下一個(gè)隨機(jī)數(shù)。
③等于 0 ，產(chǎn)生與最近生成的隨機(jī)數(shù)相同的隨機(jī)數(shù)。
④省略， 以上一個(gè)隨機(jī)數(shù)為種子產(chǎn)生下一個(gè)隨機(jī)數(shù)。
說明：
Rnd 函數(shù)返回小于 1 但大于或等于 0 的值。
number 的值決定了 Rnd 生成隨機(jī)數(shù)的方式。
對最初給定的種子都會(huì)生成相同的數(shù)列，因?yàn)槊恳淮握{(diào)用 Rnd 函數(shù)都用數(shù)列中的前一個(gè)數(shù)作為下一個(gè)數(shù)的種子。
在調(diào)用 Rnd 之前，先使用無參數(shù)的 Randomize語句初始化隨機(jī)數(shù)生成器（若帶參數(shù)，則產(chǎn)生由參數(shù)對應(yīng)的一個(gè)特定序列的隨機(jī)數(shù)），該生成器具有根據(jù)系統(tǒng)計(jì)時(shí)器得到的種子。
為了生成某個(gè)范圍內(nèi)的隨機(jī)整數(shù)，可使用以下公式：
Int((upperbound - lowerbound + 1) * Rnd + lowerbound)
這里，upperbound 是隨機(jī)數(shù)范圍的上限，而 lowerbound 則是隨機(jī)數(shù)范圍的下限。
注意： 若想得到重復(fù)的隨機(jī)數(shù)序列，在使用具有數(shù)值參數(shù)的 Randomize 之前直接調(diào)用具有負(fù)參數(shù)值的 Rnd。使用具有同樣 number 值的 Randomize 是不會(huì)得到重復(fù)的隨機(jī)數(shù)序列的。
示例：
本示例使用 Rnd 函數(shù)隨機(jī)生成一個(gè) 1 到 6 的隨機(jī)整數(shù)。
Dim MyValue
MyValue = Int((6 * Rnd) + 1) ' 生成 1 到 6 之間的隨機(jī)數(shù)值 ,這里的int 是把后面產(chǎn)生的小數(shù)轉(zhuǎn)換成整數(shù)！
由于Rnd是[0，1），（6*Rnd）+1為[1，7）。int是求不大于number 的最大整數(shù)，所以得出1~6的隨機(jī)數(shù)
Rnd函數(shù) 返回一個(gè)包含隨機(jī)數(shù)值的 Single
Rnd 函數(shù)返回小于 1 但大于或等于 0 的值。
number 的值決定了 Rnd 生成隨機(jī)數(shù)的方式。
語法
Rnd[(number)]
如果 number 的值是 Rnd 生成
小于 0 每次都使用 number 作為隨機(jī)數(shù)種子得到的相同結(jié)果。
大于 0 序列中的下一個(gè)隨機(jī)數(shù)。
等于 0 最近生成的數(shù)。
省略(空值) 序列中的下一個(gè)隨機(jī)數(shù)。
我們平時(shí)比較多會(huì)遇到的一種情景是從一堆的數(shù)據(jù)中隨機(jī)選擇一個(gè), 大多數(shù)我們使用random就夠了, 但是假如我們要選取的這堆數(shù)據(jù)分別有自己的權(quán)重, 也就是他們被選擇的概率是不一樣的, 在這種情況下, 就需要使用加權(quán)隨機(jī)來處理這些數(shù)據(jù)
1. 簡單線性方法
下面是一種簡單的方案, 傳入權(quán)重的列表(weights), 然后會(huì)返回隨機(jī)結(jié)果的索引值(index), 比如我們傳入[2, 3, 5], 那么就會(huì)隨機(jī)的返回0(概率0.2), 1(概率0.3), 2(概率0.5)
簡單的思路就是把所有的權(quán)重加和, 然后隨機(jī)一個(gè)數(shù), 看看落在哪個(gè)區(qū)間
import random
def weighted_choice(weights):
totals = []
running_total = 0
for w in weights:
running_total += w
totals.append(running_total)
rnd = random.random() * running_total
for i, total in enumerate(totals):
if rnd total:
return i
2. 加速搜索
上面這個(gè)方法看起來非常簡單, 已經(jīng)可以完成我們所要的加權(quán)隨機(jī), 然是最后的這個(gè)for循環(huán)貌似有些啰嗦, Python有個(gè)內(nèi)置方法bisect可以幫我們加速這一步
import random
import bisect
def weighted_choice(weights):
totals = []
running_total = 0
for w in weights:
running_total += w
totals.append(running_total)
rnd = random.random() * running_total
return bisect.bisect_right(totals, rnd)
bisect方法可以幫我們查找rnd在totals里面應(yīng)該插入的位置, 兩個(gè)方法看起來差不多, 但是第二個(gè)會(huì)更快一些, 取決于weights這個(gè)數(shù)組的長度, 如果長度大于1000, 大約會(huì)快30%左右
3. 去掉臨時(shí)變量
其實(shí)在這個(gè)方法里面totals這個(gè)數(shù)組并不是必要的, 我們調(diào)整下策略, 就可以判斷出weights中的位置
def weighted_choice(weights):
rnd = random.random() * sum(weights)
for i, w in enumerate(weights):
rnd -= w
if rnd 0:
return i
這個(gè)方法比第二種方法竟然快了一倍, 當(dāng)然, 從算法角度角度, 復(fù)雜度是一樣的, 只不過我們把賦值臨時(shí)變量的功夫省下來了, 其實(shí)如果傳進(jìn)來的weights是已經(jīng)按照從大到小排序好的話, 速度會(huì)更快, 因?yàn)閞nd遞減的速度最快(先減去最大的數(shù))
4. 更多的隨機(jī)數(shù)
如果我們使用同一個(gè)權(quán)重?cái)?shù)組weights, 但是要多次得到隨機(jī)結(jié)果, 多次的調(diào)用weighted_choice方法, totals變量還是有必要的, 提前計(jì)算好它, 每次獲取隨機(jī)數(shù)的消耗會(huì)變得小很多
class WeightedRandomGenerator(object):
def __init__(self, weights):
self.totals = []
running_total = 0
for w in weights:
running_total += w
self.totals.append(running_total)
def next(self):
rnd = random.random() * self.totals[-1]
return bisect.bisect_right(self.totals, rnd)
def __call__(self):
return self.next()
在調(diào)用次數(shù)超過1000次的時(shí)候, WeightedRandomGenerator的速度是weighted_choice的100倍
所以我們在對同一組權(quán)重列表進(jìn)行多次計(jì)算的時(shí)候選擇方法4, 如果少于100次, 則使用方法3
5. 使用accumulate
在python3.2之后, 提供了一個(gè)itertools.accumulate方法, 可以快速的給weights求累積和
from itertools import accumulate
data = [2, 3, 5, 10]
list(accumulate(data))
[2, 5, 10, 20]
rnd函數(shù)用于產(chǎn)生一個(gè)隨機(jī)數(shù)序列，從這個(gè)序列選出個(gè)數(shù)作為返回值
函數(shù)中的參數(shù)是從這個(gè)隨機(jī)數(shù)序列中取值的方式
小于 0 每次都使用參數(shù)作為隨機(jī)數(shù)種子得到的相同結(jié)果。
大于 0 序列中的下一個(gè)隨機(jī)數(shù)。
等于 0 最近生成的數(shù)。
省略 序列中的下一個(gè)隨機(jī)數(shù)。
重慶分公司
重慶分公司
