• Python中的Random模块


    Python中的random模块用于生成随机数。下面介绍一下random模块中最常用的几个函数。

    random.random

    random.random()用于生成一个0到1的随机符点数: 0 <= n < 1.0

    random.uniform

      random.uniform的函数原型为:random.uniform(a, b),用于生成一个指定范围内的随机符点数,两个参数其中一个是上限,一个是下限。如果a > b,则生成的随机数n: a <= n <= b。如果 a <b, 则 b <= n <= a。

     

    1. print random.uniform(10, 20
    2. print random.uniform(20, 10
    3. #---- 结果(不同机器上的结果不一样) 
    4. #18.7356606526 
    5. #12.5798298022 

    print random.uniform(10, 20)

    print random.uniform(20, 10)

    #---- 结果(不同机器上的结果不一样)

    #18.7356606526

    #12.5798298022

    random.randint

      random.randint()的函数原型为:random.randint(a, b),用于生成一个指定范围内的整数。其中参数a是下限,参数b是上限,生成的随机数n: a <= n <= b

     

    1. print random.randint(12, 20#生成的随机数n: 12 <= n <= 20 
    2. print random.randint(20, 20#结果永远是20 
    3. #print random.randint(20, 10)  #该语句是错误的。下限必须小于上限。 

    print random.randint(12, 20) #生成的随机数n: 12 <= n <= 20 print random.randint(20, 20) #结果永远是20 #print random.randint(20, 10) #该语句是错误的。下限必须小于上限。

    random.randrange

      random.randrange的函数原型为:random.randrange([start], stop[, step]),从指定范围内,按指定基数递增的集合中 获取一个随机数。如:random.randrange(10, 100, 2),结果相当于从[10, 12, 14, 16, ... 96, 98]序列中获取一个随机数。random.randrange(10, 100, 2)在结果上与 random.choice(range(10, 100, 2) 等效。

    random.choice

      random.choice从序列中获取一个随机元素。其函数原型为:random.choice(sequence)。参数sequence表示一个有序类型。这里要说明一下:sequence在python不是一种特定的类型,而是泛指一系列的类型。list, tuple, 字符串都属于sequence。有关sequence可以查看python手册数据模型这一章。下面是使用choice的一些例子:

     

    1. print random.choice("学习Python")  
    2. print random.choice(["JGood", "is", "a", "handsome", "boy"]) 
    3. print random.choice(("Tuple", "List", "Dict")) 

    print random.choice("学习Python") print random.choice(["JGood", "is", "a", "handsome", "boy"]) print random.choice(("Tuple", "List", "Dict"))

    random.shuffle

      random.shuffle的函数原型为:random.shuffle(x[, random]),用于将一个列表中的元素打乱。如:

    1. p = ["Python", "is", "powerful", "simple", "and so on..."
    2. random.shuffle(p) 
    3. print
    4. #---- 结果(不同机器上的结果可能不一样。) 
    5. #['powerful', 'simple', 'is', 'Python', 'and so on...'] 

    p = ["Python", "is", "powerful", "simple", "and so on..."] random.shuffle(p) print p #---- 结果(不同机器上的结果可能不一样。) #['powerful', 'simple', 'is', 'Python', 'and so on...']

    random.sample

      random.sample的函数原型为:random.sample(sequence, k),从指定序列中随机获取指定长度的片断。sample函数不会修改原有序列。

     

    1. list = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10
    2. slice = random.sample(list, 5#从list中随机获取5个元素,作为一个片断返回 
    3. print slice 
    4. print list #原有序列并没有改变。

    numpy. Random.rand()

          参数可以多个,生成一个多维的数组列表,每个元素都是位于0与1之间的浮点数。

           如:参数为(4,4)则生成一个4*4列表的数组。

    array [[ 0.12710141  0.73907462  0.26653666  0.78209516]
        [ 0.03734536  0.19780521  0.97847863  0.78216493]
        [ 0.25935796  0.78255785  0.27024225  0.05209887]
        [ 0.48698722  0.99217821  0.82070797  0.54890896]]
    

      

     

    随机整数:
    >>> import random
    >>> random.randint(0,99)
    21

    随机选取0到100间的偶数:
    >>> import random
    >>> random.randrange(0, 101, 2)
    42

    随机浮点数:
    >>> import random
    >>> random.random()
    0.85415370477785668
    >>> random.uniform(1, 10)
    5.4221167969800881

    随机字符:
    >>> import random
    >>> random.choice('abcdefg&#%^*f')
    'd'

    多个字符中选取特定数量的字符:
    >>> import random
    random.sample('abcdefghij',3)
    ['a', 'd', 'b']

    多个字符中选取特定数量的字符组成新字符串:
    >>> import random
    >>> import string
    >>> string.join(random.sample(['a','b','c','d','e','f','g','h','i','j'], 3)).r
    eplace(" ","")
    'fih'

    随机选取字符串:
    >>> import random
    >>> random.choice ( ['apple', 'pear', 'peach', 'orange', 'lemon'] )
    'lemon'

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

    原文:http://www.cnblogs.com/yd1227/archive/2011/03/18/1988015.html

  • 相关阅读:
    java中如何高效的判断数组中是否包含某个元素---
    反射--
    Json----
    Ajax学习(1)
    Jdbc学习---
    java---内部类
    java中的多态
    spring是什么
    quartz的配置文件
    浅谈Job&JobDetail
  • 原文地址:https://www.cnblogs.com/fdzfd/p/3428101.html
Copyright © 2020-2023  润新知