首先我们需要导入random模块 1.random.random():返回随机生成的一个浮点数，范围在[0,1)之间importrandomprint(random.ra
首先我们需要导入random模块
1. random.random(): 返回随机生成的一个浮点数，范围在[0,1)之间
import random print(random.random())
2. random.uniform(a, b): 返回随机生成的一个浮点数，范围在[a, b)之间
import random print(random.uniform(1,5))
3. random.randint(a,b) ：生成指定范围内的整数
import random print(random.randint(1,10))
4. random.randrange([start],stop[,step])：用于从指定范围内按指定基数递增的集合中获取一个随机数。
例如random.randrange(10,100,2) ，结果相当于从 [10,12,14,16&＃8230;96,98] 序列中获取一个随机数。random.randrange (10,100,2) 的结果上与 random.choice(range(10,100,2)) 等效。
import random print(random.randrange(10,22,3))
5. random.choice()：从指定的序列中获取一个随机元素
random.choice() 从序列中获取一个随机元素，其原型为random.choice(sequence) ，参数sequence 表示一个有序类型。这里说明一下，sequence在python 中不是一种特定的类型，而是泛指序列数据结构 。列表，元组，字符串都属于sequence 。
import random print(random.choice('学习python')) # 从字符串中随机取一个字符 print(random.choice(['good', 'hello', 'is', 'hi', 'boy'])) # 从list列表中随机取 print(random.choice(('str', 'tuple', 'list'))) # 从tuple元组中随机取
6. random.shuffle(x[,random])：用于将一个列表中的元素打乱，随机排序
import random p=['hehe','xixi','heihei','haha','zhizhi','lala','momo..da'] random.shuffle(p) print(p) x = [1, 2, 3, 4, 5] random.shuffle(x) print(x)
7. random.sample(sequence,k)：用于从指定序列中随机获取指定长度的片段，sample()函数不会修改原有序列。
import random list1=[1,2,3,4,5,6,7,8,9,10] slice=random.sample(list1,5) print(slice) #[8, 3, 5, 9, 10] print(list1) #[1, 2, 3, 4, 5, 6, 7, 8, 9, 10] x = random.sample(range(0, 10), 5) print(x, type(x)) #[9, 2, 7, 8, 6] words = "applekmedoide" print(random.sample(words, 3)) #['p', 'm', 'a'] print(random.sample(words, 3)) #['d', 'i', 'l']
下面的函数需要调用numpy库
8. np.random.rand(d0, d1, …, dn): 返回一个或一组浮点数，范围在[0, 1)之间
import random import numpy as np x = np.random.rand() y = np.random.rand(4) print(x,type(x)) #0.09842641570445387 print(y,type(y)) #[0.27298291 0.12350038 0.63977128 0.90791234]
9. np.random.normal(loc=a, scale=b, size=()): 返回满足条件为均值=a, 标准差=b的正态分布（高斯分布）的概率密度随机数
np.random.normal(loc=a, scale=b, size=()) &＃8211; 返回满足条件为均值=a, 标准差=b的正态分布（高斯分布）的概率密度随机数，size默认为none(返回1个随机数），也可以为int或数组
import random import numpy as np x = np.random.normal(10,0.2,2) print(x,type(x)) #[9.78391585 9.83981096] y = np.random.normal(10,0.2) print(y,type(y)) #9.871187751372984 z = np.random.normal(0,0.1,(2,3)) print(z,type(z)) #[[-0.07114831 -0.10258022 -0.12686863] # [-0.08988384 -0.00647591 0.06990716]] z = np.random.normal(0,0.1,[2,2]) print(z,type(z)) #[[ 0.07178268 -0.00226728] # [ 0.06585013 -0.04385656]]
10 np.random.randn(d0, d1, … dn): 返回标准正态分布(均值=0，标准差=1)的概率密度随机数
np.random.randn(d0, d1, &＃8230; dn): 返回标准正态分布(均值=0，标准差=1) 的概率密度随机数,
import random import numpy as np x = np.random.randn() y = np.random.randn(3) z = np.random.randn(3, 3) print(x, type(x)) print(y, type(y)) print(z, type(z))
11. np.random.standard_normal(size=()): 返回标准正态分布(均值=0，标准差=1)的概率密度随机数
np.random.standard_normal(): 返回标准正态分布(均值=0，标准差=1)的概率密度随机数, size默认为none(返回1个随机数），也可以为int或数组
import random import numpy as np x = np.random.standard_normal() y = np.random.standard_normal(size=(3,3)) print(x, type(x)) print(y, type(y))
np.random.rand()与np.random.standard_normal()的方法结果相似 ，都是返回合符标准正态分布的随机浮点数或数组。
12. np.random.randint(a, b, size=(), dtype=int): 返回在范围在[a, b)中的随机整数（含有重复值）
np.random.randint(a, b, sizie=(), dytpe=int) &＃8211; size 默认为none(返回1个随机数），也可以为int或数组
import random import numpy as np # 从序列[0, 10)之间返回shape=(5,5)的10个随机整数（包含重复值） x = np.random.randint(0, 10, size=(5, 5)) # 从序列[15, 20)之间返回1个随机整数（size默认为none, 则返回1个随机整数） y = np.random.randint(15, 20) print(x, type(x)) print(y, type(y))
13. random.seed(): 设定随机种子
在设定随机种子为10之后，random.random()的随机数将被直接设定为：0.5714025946899135
import random random.seed(10) x = random.random() print(x,type(x)) random.seed(10) y = random.random() print(y,type(y)) z = random.random() print(z,type(z))
random随机数是这样生成的：我们将这套复杂的算法（是叫随机数生成器吧）看成一个黑盒，把我们准备好的种子扔进去，它会返给你两个东西，一个是你想要的随机数，另一个是保证能生成下一个随机数的新的种子，把新的种子放进黑盒，又得到一个新的随机数和一个新的种子，从此在生成随机数的路上越走越远。
我们利用如下代码进行测试：
import numpy as np if __name__ == '__main__': i = 0 while i <6: if i <3: np.random.seed(0) print(np.random.randn(1, 5)) else: print(np.random.randn(1, 5)) i += 1 i = 0 while i <2: print(np.random.randn(1, 5)) i += 1 print(np.random.randn(2, 5)) np.random.seed(0) print("###################################") i = 0 while i <8: print(np.random.randn(1,5)) i += 1
通过该实验我们可以得到以下结论：
两次利用随机数种子后，即便是跳出循环后，生成随机数的结果依然是相同的。第一次跳出while循环后，进入第二个while循环，得到的两个随机数组确实和加了随机数种子不一样。但是，后面的加了随机数种子的，八次循环中的结果和前面的结果是一样的。说明，随机数种子对后面的结果一直有影响。同时，加了随机数种子以后，后面的随机数组都是按一定的顺序生成的。
在同样的随机种子后第六次的随机数生成结果，两行五列的数组和两个一行五列的数组结果相同。说明，在生成多行随机数组时，是由单行随机数组组合而成的。
利用随机数种子，每次生成的随机数相同，就是使后面的随机数按一定的顺序生成。当随机数种子参数为0和1时，生成的随机数和我上面高亮的结果相同。说明该参数指定了一个随机数生成的起始位置。每个参数对应一个位置。并且在该参数确定后，其后面的随机数的生成顺序也就确定了。
随机数种子的参数怎么选择？我认为随意，这个参数只是确定一下随机数的起始位置。
python教程分享Python中random函数的用法整理大全 综合参考了如下文章整理：
python中的random用法
python random函数
python常用random随机函数汇总，用法详解及函数之间的区别
随机种子的理解
总结
到此这篇关于python中random函数用法的文章就介绍到这了,更多相关python random函数用法内容请搜索<编程笔记>以前的文章或继续浏览下面的相关文章希望大家以后多多支持<编程笔记>！
需要了解更多python教程分享Python中random函数的用法整理大全，都可以关注python教程分享栏目&＃8212;编程笔记
京公网安备 11010802041100号