作者：小伍哥

來源： AI入門學(xué)習(xí)

今天給大家纖細(xì)介紹下python中的隨機(jī)模塊，隨機(jī)數(shù)可以用于數(shù)學(xué)，游戲，安全等領(lǐng)域中，還經(jīng)常被嵌入到算法中，用以提高算法效率，并提高程序的安全性。平時數(shù)據(jù)分析各種分布的數(shù)據(jù)構(gòu)造也會用到。

random模塊，用于生成偽隨機(jī)數(shù)，之所以稱之為偽隨機(jī)數(shù)，是因?yàn)檎嬲饬x上的隨機(jī)數(shù)（或者隨機(jī)事件）在某次產(chǎn)生過程中是按照實(shí)驗(yàn)過程中表現(xiàn)的分布概率隨機(jī)產(chǎn)生的，其結(jié)果是不可預(yù)測的，是不可見的。而計(jì)算機(jī)中的隨機(jī)函數(shù)是按照一定算法模擬產(chǎn)生的，對于正常隨機(jī)而言，會出現(xiàn)某個事情出現(xiàn)多次的情況。

但是偽隨機(jī)，在事情觸發(fā)前設(shè)定好，就是這個十個事件各發(fā)生一次，只不過順序不同而已。現(xiàn)在MP3的隨機(jī)列表就是用的偽隨機(jī)，把要播放的歌曲打亂順序，生成一個隨機(jī)列表而已，每個歌曲都播放一次。真實(shí)隨機(jī)的話，會有出現(xiàn)某首歌多放次的情況，歌曲基數(shù)越多，重放的概率越大。

注意：random()是不能直接訪問的，需要導(dǎo)入 random 模塊，然后通過 random 靜態(tài)對象調(diào)用該方法。

import randomlist(dir(random))['BPF',?'LOG4','NV_MAGICCONST','RECIP_BPF','Random','SG_MAGICCONST','SystemRandom','TWOPI','betavariate','choice','choices','expovariate','gammavariate','gauss','getrandbits','getstate','lognormvariate','normalvariate','paretovariate','randint','random','randrange','sample','seed','setstate','shuffle','triangular','uniform','vonmisesvariate','weibullvariate']

import random
import matplotlib.pyplot as plt
import seaborn as sns

01 random

描述：random.random() 用于生成一個0到1的隨機(jī)符點(diǎn)數(shù): 0 <= n < 1>

語法：random.random()

#生成一個隨機(jī)數(shù)
random.random()
0.7186311708109537
#生成一個4位小數(shù)的隨機(jī)列表
[round(random.random(),4) for i in range(10)]
[0.1693, 0.4698, 0.5849, 0.6859, 0.2818, 0.216, 0.1976, 0.3171, 0.2522, 0.8012]
#生成一串隨機(jī)數(shù)
for i in range(10):
print(random.random())
0.4386055639247348
0.4394437853977078
0.231862963682833
0.6483168963553342
0.12106581255811855
0.7043874986531355
0.38729519658498623
0.6492256157170393
0.463425050933564
0.2298431522075462

02 choice

描述：從非空序列seq中隨機(jī)選取一個元素。如果seq為空則彈出 IndexError異常。

語法：random.choice（ seq）seq 可以是一個列表，元組或字符串。

L = [0,1,2,3,4,5]
random.choice(L)
2
L = 'wofeichangshuai'
random.choice(L)
'h'

03 choices

描述：從集群中隨機(jī)選取k次數(shù)據(jù)，返回一個列表，可以設(shè)置權(quán)重。

注意每次選取都不會影響原序列，每一次選取都是基于原序列。

語法：random.choices(population,weights=None,*,cum_weights=None,k=1)

參數(shù)：

• population：集群。
• weights：相對權(quán)重。
• cum_weights：累加權(quán)重。
• k：選取次數(shù)。

a?=?[1,2,3,4,5]
random.choices(a,k=5)
[2, 5, 2, 1, 3]
random.choices(a,weights=[0,0,1,0,0],k=5)
[3, 3, 3, 3, 3]
random.choices(a,weights=[1,1,1,1,1],k=5)
[3, 1, 5, 2, 2]
#多次運(yùn)行，5被抽到的概率為0.5，比其他的都大
random.choices(a,weights=[0.1,0.1,0.2,0.3,0.5],k=5)
[5, 4, 4, 4, 2]
random.choices(a,weights=[0.1,0.1,0.2,0.3,0.5],k=5)
[5, 4, 5, 5, 2]
random.choices(a,weights=[0.1,0.1,0.2,0.3,0.5],k=5)
[5, 2, 2, 5, 5]
random.choices(a,cum_weights=[1,1,1,1,1],k=5)
[1, 1, 1, 1, 1]
對每一條語句不妨各自寫一個循環(huán)語句讓它輸出個十遍八遍的，你就足以看出用法了。
結(jié)論：參數(shù)weights設(shè)置相對權(quán)重，它的值是一個列表，
設(shè)置之后，每一個成員被抽取到的概率就被確定了。
比如weights=[1,2,3,4,5],那么第一個成員的概率就是P=1/(1+2+3+4+5)=1/15。
cum_weights設(shè)置累加權(quán)重，python會自動把相對權(quán)重轉(zhuǎn)換為累加權(quán)重，
即如果你直接給出累加權(quán)重，那么就不需要給出相對權(quán)重，且Python省略了一步執(zhí)行。
比如weights=[1,2,3,4],那么cum_weights=[1,3,6,10]，
這也就不難理解為什么cum_weights=[1,1,1,1,1]輸出全是第一。

04 getrandbits

描述：返回一個不大于K位的Python整數(shù)（十進(jìn)制），比如k=10，則結(jié)果在0~2^10之間的整數(shù)。

語法：random.getrandbits(k)

random.getrandbits(10)
379

05 getstate

描述：返回一個捕獲到的 生成器當(dāng)前內(nèi)部狀態(tài) 的對象，可以將此對象傳遞給 setstate()以恢復(fù)到這個狀態(tài)。

語法：random.getstate()

06 setstate

描述：state 應(yīng)該是從之前調(diào)用 getstate() 獲得的，而 setstate() 將生成器的內(nèi)部狀態(tài)恢復(fù)到調(diào)用 getstate() 時的狀態(tài)。根據(jù)下面的例子可以看出，由于生成器內(nèi)部狀態(tài)相同時會生成相同的下一個隨機(jī)數(shù)，我們可以使用 getstate() 和 setstate() 對生成器內(nèi)部狀態(tài)進(jìn)行獲取和重置到某一狀態(tài)下。

語法：random.setstate(state)

state = random.getstate()
random.random()
0.489148634943
random.random()
0.22359638172661822
random.setstate(state)
random.random()
0.48914863494

07 randint

描述：用于生成一個指定范圍內(nèi)的整數(shù)。

語法：random.randint(a, b)，其中參數(shù)a是下限，參數(shù)b是上限，生成的隨機(jī)數(shù)n: a <= n <= b?

random.randint(1, 8)
3
random.randint(1, 8)
4

08 randrange

描述：按指定基數(shù)遞增的集合中 獲取一個隨機(jī)數(shù)。如：random.randrange(10, 100, 2)，結(jié)果相當(dāng)于從[10, 12, 14, 16, … 96, 98]序列中獲取一個隨機(jī)數(shù)，random.randrange(10, 100, 2)在結(jié)果上與 random.choice(range(10, 100, 2) 等效。

語法：random.randrange([start], stop[, step])

• 不指定step，隨機(jī)生成[a,b)范圍內(nèi)一個整數(shù)。
• 指定step，step作為步長會進(jìn)一步限制[a,b)的范圍，比如randrange(0,11,2)意即生成[0,11)范圍內(nèi)的隨機(jī)偶數(shù)。
• 不指定a，則默認(rèn)從0開始。

#不限制
[random.randrange(0,11) for i in range(5)]
[4, 6, 3, 9, 5]
#隨機(jī)偶數(shù)，運(yùn)行5個數(shù)
[random.randrange(0,11,2) for i in range(5)]
[2, 4, 8, 8, 6]

09 sample

描述：從population樣本或集合中隨機(jī)抽取K個不重復(fù)的元素形成新的序列。常用于不重復(fù)的隨機(jī)抽樣。返回的是一個新的序列，不會破壞原有序列。要從一個整數(shù)區(qū)間隨機(jī)抽取一定數(shù)量的整數(shù)，請使用sample(range(1000000), k=60)類似的方法，這非常有效和節(jié)省空間。如果k大于population的長度，則彈出ValueError異常。

語法：random.sample(population, k)

注意：與random.choices()的區(qū)別：一個是選取k次，一個是選取k個，選取k次的相當(dāng)于選取后又放回，選取k個則選取后不放回。故random.sample()的k值不能超出集群的元素個數(shù)。

random.sample(range(1000), k=5)
[82, 678, 664, 177, 376]
L = [0,1,2,3,4,5]
random.sample(L,3)
[5, 3, 1]
random.sample(L,3)
[2, 4, 5]

10 seed

描述：初始化偽隨機(jī)數(shù)生成器。如果未提供a或者a=None，則使用系統(tǒng)時間為種子。如果a是一個整數(shù)，則作為種子。偽隨機(jī)數(shù)生成模塊。如果不提供 seed，默認(rèn)使用系統(tǒng)時間。使用相同的 seed，可以獲得完全相同的隨機(jī)數(shù)序列，常用于算法改進(jìn)測試。

語法：random.seed(a=None, version=2)

a = random.Random()
a.seed(1)
[a.randint(1, 100) for i in range(20)]
[14, 85, 77, 26, 50, 45, 66, 79, 10, 3, 84, 44, 77, 1, 45, 73, 23, 95, 91, 4]
b =random.Random()
b.seed(1)
[b.randint(1, 100) for i in range(20)]
[14, 85, 77, 26, 50, 45, 66, 79, 10, 3, 84, 44, 77, 1, 45, 73, 23, 95, 91, 4]

11 shuffle

描述：用于將一個列表中的元素打亂。只能針對可變的序列，對于不可變序列，請使用下面的sample()方法。

語法：random.shuffle(x)

L = [0,1,2,3,4,5]
random.shuffle(L)
L[5, 4, 1, 0, 3, 2]

——熱門課程推薦：

想從事業(yè)務(wù)型數(shù)據(jù)分析師，您可以點(diǎn)擊>>>“數(shù)據(jù)分析師”了解課程詳情；

想從事大數(shù)據(jù)分析師，您可以點(diǎn)擊>>>“大數(shù)據(jù)就業(yè)”了解課程詳情；

想成為人工智能工程師，您可以點(diǎn)擊>>>“人工智能就業(yè)”了解課程詳情；

想了解Python數(shù)據(jù)分析，您可以點(diǎn)擊>>>“Python數(shù)據(jù)分析師”了解課程詳情；

想咨詢互聯(lián)網(wǎng)運(yùn)營，你可以點(diǎn)擊>>>“互聯(lián)網(wǎng)運(yùn)營就業(yè)班”了解課程詳情；

想了解更多優(yōu)質(zhì)課程，請點(diǎn)擊>>>