目录
  • random模块
    • random.seed
    • 常用整数随机函数
    • 常用序列随机函数
    • 常用实数随机函数
  • 总结

    random模块

    该模块实现了各种分布的伪随机数生成器。(包括在实数轴上计算均匀、正态（高斯）、对数正态、负指数、伽马和贝塔分布的函数)不应将此模块的伪随机生成器用于安全目的。有关安全性或加密用途，请使用secrets模块。

    关于random模块的更多详细内容，请参考官方文档random — 生成伪随机数

    下面列举一下该模块常用的功能。

    random.seed

    random.seed(a=None, version=2)

    初始化随机数生成器,如果a被省略或为None，则使用当前系统时间。如果操作系统提供随机源，则使用它们而不是系统时间。当你的seed是相同的情况下，你多次执行得到的随机数序列是相同的。因为Mersenne Twister的完全确定性，因此random模块产生的随机数不适合加密目的。

    常用整数随机函数

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

    randrange()返回一个[start, stop)区间内随机选择的元素。

    random.randint(a, b)

    返回随机整数 N 满足 a <= N <= b。相当于 randrange(a, b+1)。

    常用序列随机函数

    random.choice(seq)

    从非空序列 seq 返回一个随机元素。 如果 seq 为空，则引发 IndexError。

    random.shuffle(x[, random])

    将序列 x 随机打乱位置。（在原来的序列上进行，不会生成新的序列。）

    可选参数 random 是一个函数，在 [0.0, 1.0) 中返回随机浮点数；默认情况下是函数 random.random() 。

    random.sample(population, k, *, counts=None)

    返回从总体序列或集合中选择的唯一元素的 k 长度列表。 用于无重复的随机抽样。（抽奖常用的函数）下面是一个抽奖的例子。

    有30000人参加了Python编程活动，然后抽取1000人进行奖励。其中一等奖20人，二等奖30人，三等奖50人，四等奖200人，五等奖700人。

    上述的抽奖活动，可以用如下的代码完成。

    res = random.sample(range(1, 30001), 1000) print("一等奖名单:", res[:20]) print("二等奖名单:", res[20:50]) print("三等奖名单:", res[50:100]) print("四等奖名单:", res[100:300]) print("五等奖名单:", res[300:])

    而且，这样产生的抽奖结果也将是可控的。例如，我们需要3号中一等奖，33号中二等奖，333号中三等奖。代码如下：

    all_list = [x for x in range(1, 30001) if x not in[3, 33, 333]] res = random.sample(all_list, 997) # 暗箱操作 res.insert(random.randint(0, 10), 3) # 将3号掺入前10 res.insert(random.randint(30, 40), 33) # 将33号掺入30-40之间 res.insert(random.randint(70, 90), 333) # 将333掺入到70-90之间 print("一等奖名单:", res[:20]) print("二等奖名单:", res[20:50]) print("三等奖名单:", res[50:100]) print("四等奖名单:", res[100:300]) print("五等奖名单:", res[300:])

    常用实数随机函数

    random.random()

    返回 [0.0, 1.0) 范围内的下一个随机浮点数。

    random.uniform(a, b)

    返回一个随机浮点数 N ，当 a <= b 时 a <= N <= b ，当 b < a 时 b <= N <= a 。终点 b 是否在该范围内。取决于等式 a + (b-a) * random() 中的浮点舍入结果。

    random.gauss(mu, sigma)

    正态分布，也称高斯分布。 mu 为平均值，而 sigma 为标准差。 此函数要稍快于下面所定义的 normalvariate() 函数。

    多线程注意事项：

    当两个线程同时调用此方法时，它们有可能将获得相同的返回值。 这可以通过三种办法来避免。

    1) 让每个线程使用不同的随机数生成器实例。

    2) 在所有调用外面加锁。

    3) 改用速度较慢但是线程安全的 normalvariate() 函数。

    random.normalvariate(mu, sigma)

    正态分布。 mu 是平均值，sigma 是标准差。

    总结

    本篇文章就到这里了，希望能够给你带来帮助，也希望您能够多多关注本网站的更多内容!   

    您可能感兴趣的文章:

    • Python如何生成指定区间中的随机数
    • Python如何生成随机数及random随机数模块应用
    • python中的随机数 Random介绍
    • Python中的np.random.seed()随机数种子问题及解决方法
    • 详解Python中生成随机数据的示例详解
    • Python生成随机数详解流程
    • python实现0到1之间的随机数方式