标签：内置 randn randint Python random np 随机数 print
这篇文章主要介绍了Python内置random模块生成随机数的方法,本文给大家介绍的非常详细，具有一定的参考借鉴价值，需要的朋友可以参考下
本文我们详细地介绍下两个模块关于生成随机序列的其他使用方法。
随机数参与的应用场景大家一定不会陌生，比如密码加盐时会在原密码上关联一串随机数，蒙特卡洛算法会通过随机数采样等等。Python内置的random模块提供了生成随机数的方法，使用这些方法时需要导入random模块。
import random
下面介绍下Python内置的random模块的几种生成随机数的方法。
1、random.random()随机生成 0 到 1 之间的浮点数[0.0, 1.0)。注意的是返回的随机数可能会是 0 但不可能为 1，即左闭右开的区间。
print("random: ", random.random())
#random: 0.5714025946899135
2、random.randint(a , b)随机生成 a 与 b 之间的整数[a, b]，a<=n<=b，随机整数不包含 b 时[a, b)可以使用 random.randrange() 方法。
print("randint: ", random.randint(6,8))
#randint: 8
3、random.randrange(start,stop,step)按步长step随机在上下限范围内取一个随机数，start<=n<stop。
print("randrange: ",random.randrange(20,100,5))
#randrange: 85
4、random.uniform(a, b)随机生成 a 与 b 之间的浮点数[a, b]，a<=n<=b。
print("uniform: ",random.uniform(5,10))
#uniform: 5.119790163375776
5、random.choice()从列表中随机取出一个元素，比如列表、元祖、字符串等。注意的是，该方法需要参数非空，否则会抛出 IndexError 的错误。
print("choice: ",random.choice("www.yuanxiao.net"))
#choice: y
6、random.shuffle(items) 把列表 items 中的元素随机打乱。注意的是，如果不想修改原来的列表，可以使用 copy 模块先拷贝一份原来的列表。
num = [1, 2, 3, 4, 5]
random.shuffle(num)
print("shuffle: ",num)
#shuffle: [1, 3, 5, 4, 2]
7、random.sample(items, n)从列表 items 中随机取出 n 个元素。
num = [1, 2, 3, 4, 5]
print("sample: ",random.sample(num, 3))
#sample: [4, 1, 5]
Python 的random模块产生的随机数其实是伪随机数，依赖于特殊算法和指定不确定因素(种子seed)来实现。如randint方法生成一定范围内的随机数，会先指定一个特定的seed，将seed通过特定的随机数产生算法，得到一定范围内随机分布的随机数。因此对于同一个seed值的输入产生的随机数会相同，省略参数则意味着使用当前系统时间秒数作为种子值，达到每次运行产生的随机数都不一样。
random.seed(2)
print("random: ", random.random())
#random: 0.9560342718892494
random.seed(3)
print("random: ", random.random())
#random: 0.23796462709189137
random.seed(3)#同一个种子值，产生的随机数相同
print("random: ", random.random())
#random: 0.23796462709189137
numpy库也提供了random模块，用于生成多维度数组形式的随机数。使用时需要导入numpy库。
import numpy as np
下面介绍下numpy库的random模块的几种生成随机数的方法。
1、numpy.random.rand(d0,d1,…,dn)
rand函数根据给定维度生成[0,1]之间的数据，包含0，不包含1
dn表格每个维度
返回值为指定维度的array
print("np.random.rand：\n {}".format(np.random.rand(4,2)))
# shape: 4*3
"""
np.random.rand：
[[0.5488135 0.71518937]
[0.60276338 0.54488318]
[0.4236548 0.64589411]
[0.43758721 0.891773 ]]
"""
print("np.random.rand：\n {}".format(np.random.rand(4,3,2)))
# shape: 4*3*2
"""
np.random.rand：
[[[0.96366276 0.38344152]
[0.79172504 0.52889492]
[0.56804456 0.92559664]]
[[0.07103606 0.0871293 ]
[0.0202184 0.83261985]
[0.77815675 0.87001215]]
[[0.97861834 0.79915856]
[0.46147936 0.78052918]
[0.11827443 0.63992102]]
[[0.14335329 0.94466892]<br> [0.52184832 0.41466194]<br> [0.26455561 0.77423369]]]<br>"""
2、numpy.random.randn(d0,d1,…,dn)
randn函数返回一个或一组样本，具有标准正态分布。
dn表格每个维度
返回值为指定维度的array
标准正态分布—-standard normal distribution
标准正态分布又称为u分布，是以0为均值、以1为标准差的正态分布，记为N（0，1）。
print("np.random.randn：\n {}".format(np.random.randn()))
# 当没有参数时，返回单个数据
"""
np.random.randn：
2.2697546239876076
"""
print("np.random.randn：\n {}".format(np.random.randn(2,4)))
"""
np.random.randn：
[[-1.45436567 0.04575852 -0.18718385 1.53277921]
[ 1.46935877 0.15494743 0.37816252 -0.88778575]]
"""
print("np.random.randn：\n {}".format(np.random.randn(4,3,2)))
"""
np.random.randn：
[[[-1.98079647 -0.34791215]
[ 0.15634897 1.23029068]
[ 1.20237985 -0.38732682]]
[[-0.30230275 -1.04855297]
[-1.42001794 -1.70627019]
[ 1.9507754 -0.50965218]]
[[-0.4380743 -1.25279536]
[ 0.77749036 -1.61389785]
[-0.21274028 -0.89546656]]
[[ 0.3869025 -0.51080514]
[-1.18063218 -0.02818223]
[ 0.42833187 0.06651722]]]
"""
3、numpy.random.randint(low, high=None, size=None, dtype=‘l’)
返回随机整数，范围区间为[low,high），包含low，不包含high
参数：low为最小值，high为最大值，size为数组维度大小，dtype为数据类型，默认的数据类型是np.int
high没有填写时，默认生成随机数的范围是[0，low]
print("np.random.randint：\n {}".format(np.random.randint(1,size=5)))
# 返回[0,1)之间的整数，所以只有0
"""
np.random.randint：
[0 0 0 0 0]
"""
print("np.random.randint：\n {}".format(np.random.randint(1,5)))# 返回1个[1,5)时间的随机整数
"""
np.random.randint：
2
"""
print("np.random.randint：\n {}".format(np.random.randint(-5,5,size=(2,2))))
"""
np.random.randint：
[[-5 -3]
[ 2 -3]]
"""
4、numpy.random.seed()
np.random.seed()的作用：使得随机数据可预测。
当我们设置相同的seed，每次生成的随机数相同。如果不设置seed，则每次会生成不同的随机数
推荐我们的python学习基地，看前辈们是如何学习的！从基础的python脚本、爬虫、django、数据挖掘等编程技术，还有整理零基础到项目实战的资料，送给每一位爱学习python的小伙伴！每天都有老前辈定时讲解Python技术，分享一些学习的方法和需要留意的小细节，点击加入我们的 python学习者聚集地
python进步学习者
发布了39 篇原创文章 · 获赞 38 · 访问量 5万+
私信
关注
标签：内置,randn,randint,Python,random,np,随机数,print 来源： https://blog.csdn.net/haoxun05/article/details/104449903
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。