Python Random模块使用

参考Python 2.7.13编写，英文好的同学可以直接阅读官方解释。

random模块简介

random模块实现了多种分布的伪随机数分布器。

random模块可以从范围（range）内随机选取一个整数；从序列（sequence）中，选取一个随机的元素；对一个列表（list）进行伪随机排列，或伪随机取样。

random模块也可以计算均匀、正态（高斯）、对数正态、负指数、gamma（伽马）、beta（贝塔）分布。同样也可以使用Mises分布来生成角度的分布。

random函数介绍

记账簿函数：

• random.seed(a=None)：初始化伪随机数生成器内部的状态。
  
  • 如果参数为None或没有参数传入，则将会使用系统当前时间或特定的随机源初始化（参考os.urandom()参看详情）。
  • 如果传入整数int或long，则将使用hash(a)进行初始化。
• random.setstate(state)：返回描述当前生成器状态的对象。该对象可以传给setstate()来复原状态。
• random.setstate(state)：state为getstate()返回的对象，setstate()会将生成器内部状态重置为调用getstate()时的状态。
• random.jumpahead(n)：将内部状态变为与当前状态差异极大的状态。n为一个非负整数用于扰乱当前状态向量。

整数相关的函数：

• random.randrange(stop); random.randrange(start, stop[, step]): 返回一个从range(start, stop, step)中随机选取的整数。该函数与choice(range(start,stop,step))等价，但不会实际构造range对象。
• random.randint(a, b): 返回一个$[a,b]$范围内的整数N。

序列（sequences）相关的函数：

• random.choice(seq)：从非空序列seq中随机返回一个元素。如果seq为空，则返回IndexError。
• random.shuffle(x[, random])：在索引空间内对序列x进行随机重排（洗牌）。可选参数random为返回$[0.0, 1.0)$内浮点数的无参函数，默认该函数为random()。
  即使是对于较小的len(x)， x排列的总数也大于大多数随机数生成器的周期；这意味着一个长序列的大部分排列将永远不会出现。
• random.sample(population, k)：从population序列随机选取k个元素以列表形式（list）返回。原population序列将不会改变。

生成随机实数分布

以下函数用于生成特定的实数分布。函数的参数为相应分布方程中的参数；大部分分布方程都可以在统计学资料中找到。

• random.random()：返回一个$[0.0,1.0)$范围内的随机数。
• random.uniform(a, b)：返回随机浮点数N，满足：若$aleq b$，则$aleq Nleq b$；若$a> b$，$bleq N leq a$。
  端点值b是否包含在区间内取决于方程$a+(b-a)*random()$的浮点边界。
• random.triangular(low, high, mode)：返回一个随机浮点数N，满足：$lowleq N leq high$这些边界间特定的模式。low与high默认为0和1，mode默认为区间中点，形成对称分布。
• random.betavariate(alpha, beta)：Beta分布，参数需满足$alpha>0$ 并且$beta>0$。返回0到1范围内的值。
• random.expovariate(lambd)：指数分布。lambd为1除以指定的非零期望。其参数为lambda，但是Python中的一个保留字。若lambd为正，则返回值范围为0到正无穷，否则为负无穷到零。
• random.gammavariate(alpha, beta)：gamma分布。（并非gamma函数！）参数满足$alpha>0$并且$belta>0$。
  其概率分布函数为

          x ** (alpha - 1) * math.exp(-x / beta)
pdf(x) =  --------------------------------------
            math.gamma(alpha) * beta ** alpha

• random.gauss(mu, sigma)：高斯分布。mu为均值，sigma为标准差，该函数比下面定义的random.gauss(mu, sigma)函数稍快。
• random.lognormvariate(mu, sigma)：对数正态分布。对该分布取对数可以获得以mu为均值、sigma为标准差的正态分布。mu可为任意值，sigma必须大于0。
• random.normalvariate(mu, sigma)：正态分布。mu为均值，sigma为标准差。
• random.vonmisesvariate(mu, kappa)：mu为平均角度，以弧度表示，范围为0到$2pi$, kappa为浓度参数，需大于等于零。如果kappa等于零，这该分布退化为区间0到$2*pi$的平均分布。
• random.paretovariate(alpha)：帕雷拓分布，alpha为其形状参数。
• random.weibullvariate(alpha, beta)：威布尔分布，alpha为缩放参数，belta为形状参数。

可用的生成器

示例

>>> random.random()        # Random float x, 0.0 <= x < 1.0
0.37444887175646646
>>> random.uniform(1, 10)  # Random float x, 1.0 <= x < 10.0
1.1800146073117523
>>> random.randint(1, 10)  # Integer from 1 to 10, endpoints included
7
>>> random.randrange(0, 101, 2)  # Even integer from 0 to 100
26
>>> random.choice('abcdefghij')  # Choose a random element
'c'

>>> items = [1, 2, 3, 4, 5, 6, 7]
>>> random.shuffle(items)
>>> items
[7, 3, 2, 5, 6, 4, 1]

>>> random.sample([1, 2, 3, 4, 5],  3)  # Choose 3 elements
[4, 1, 5]

最后

以上就是爱笑跳跳糖为你收集整理的Python Random模块使用的全部内容，希望文章能够帮你解决Python Random模块使用所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。