Python中的random模块及相关模块详解例子2解析

2024-08-25 14:20

本文主要是介绍Python中的random模块及相关模块详解例子2解析,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

在这里插入图片描述

Python 的 random 模块提供了生成随机数的函数,这些函数可以用于各种场景,如模拟、游戏开发、加密等。以下是 random 模块的一些常用功能和示例。

基本函数

  1. random.seed(a=None, /) - 初始化随机数生成器。如果提供相同的种子值,将生成相同的随机数序列。

    import random
    random.seed(1)  # 设置随机数生成器的种子
    
  2. random.getstate() - 返回随机数生成器的内部状态。

  3. random.setstate(state) - 设置随机数生成器的内部状态。

随机浮点数

  1. random.random() - 返回一个在 [0.0, 1.0) 范围内的随机浮点数。

    rand_float = random.random()
    
  2. random.uniform(a, b) - 返回一个在 [a, b] 或 [b, a] 范围内的随机浮点数。

    rand_float = random.uniform(1.5, 4.5)
    

随机整数

  1. random.randint(a, b) - 返回一个在 [a, b] 范围内的随机整数。

    rand_int = random.randint(1, 10)
    
  2. random.randrange(start, stop[, step]) - 从 range(start, stop, step) 返回一个随机选择的元素。

    rand_int = random.randrange(0, 101, 5)  # 从0到100中随机选择一个5的倍数
    

随机选择和排列

  1. random.choice(sequence) - 从非空序列中返回一个随机选择的元素。

    element = random.choice(['apple', 'banana', 'cherry'])
    
  2. random.choices(population, weights=None, *, cum_weights=None, random=None) - 返回包含元素的列表,元素从 population 中选择,选择的权重由 weightscum_weights 指定。

  3. random.sample(population, weights=None, *, random=None) - 从 population 中随机选择 len(population) 个不重复的元素,返回一个新列表。

    sample = random.sample(range(100), 10)  # 从0到99中随机选择10个不同的数字
    
  4. random.shuffle(x[, random]) - 将序列 x 中的元素随机打乱位置。

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

设置随机数生成器的随机源

  1. random.getrandbits() - 返回一个随机整数,其位数由参数指定。

    rand_bits = random.getrandbits(10)  # 返回一个10位的随机整数
    

其他相关模块

  • secrets - 用于生成密码和安全令牌的随机数生成器,比 random 更安全。

    import secrets
    token = secrets.token_hex(16)  # 生成一个16字节的随机十六进制字符串
    
  • numpy.random - NumPy 库中的随机数生成模块,提供多维数组的随机数生成功能。

    import numpy as np
    rand_array = np.random.rand(2, 3)  # 生成一个2x3的随机数组
    

使用 random 模块时,请注意,它生成的是伪随机数,适合非安全相关的应用。对于需要高安全性的场景,应使用 secrets 模块或专业的加密库。

这篇关于Python中的random模块及相关模块详解例子2解析的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1105800

相关文章

网页解析 lxml 库--实战

lxml库使用流程 lxml 是 Python 的第三方解析库,完全使用 Python 语言编写,它对 XPath表达式提供了良好的支 持,因此能够了高效地解析 HTML/XML 文档。本节讲解如何通过 lxml 库解析 HTML 文档。 pip install lxml lxm| 库提供了一个 etree 模块,该模块专门用来解析 HTML/XML 文档,下面来介绍一下 lxml 库

Spring Security基于数据库验证流程详解

Spring Security 校验流程图 相关解释说明(认真看哦) AbstractAuthenticationProcessingFilter 抽象类 /*** 调用 #requiresAuthentication(HttpServletRequest, HttpServletResponse) 决定是否需要进行验证操作。* 如果需要验证,则会调用 #attemptAuthentica

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

深入探索协同过滤:从原理到推荐模块案例

文章目录 前言一、协同过滤1. 基于用户的协同过滤(UserCF)2. 基于物品的协同过滤(ItemCF)3. 相似度计算方法 二、相似度计算方法1. 欧氏距离2. 皮尔逊相关系数3. 杰卡德相似系数4. 余弦相似度 三、推荐模块案例1.基于文章的协同过滤推荐功能2.基于用户的协同过滤推荐功能 前言     在信息过载的时代,推荐系统成为连接用户与内容的桥梁。本文聚焦于

OpenHarmony鸿蒙开发( Beta5.0)无感配网详解

1、简介 无感配网是指在设备联网过程中无需输入热点相关账号信息,即可快速实现设备配网,是一种兼顾高效性、可靠性和安全性的配网方式。 2、配网原理 2.1 通信原理 手机和智能设备之间的信息传递,利用特有的NAN协议实现。利用手机和智能设备之间的WiFi 感知订阅、发布能力,实现了数字管家应用和设备之间的发现。在完成设备间的认证和响应后,即可发送相关配网数据。同时还支持与常规Sof

sqlite3 相关知识

WAL 模式 VS 回滚模式 特性WAL 模式回滚模式(Rollback Journal)定义使用写前日志来记录变更。使用回滚日志来记录事务的所有修改。特点更高的并发性和性能;支持多读者和单写者。支持安全的事务回滚,但并发性较低。性能写入性能更好,尤其是读多写少的场景。写操作会造成较大的性能开销,尤其是在事务开始时。写入流程数据首先写入 WAL 文件,然后才从 WAL 刷新到主数据库。数据在开始

【C++】_list常用方法解析及模拟实现

相信自己的力量,只要对自己始终保持信心,尽自己最大努力去完成任何事,就算事情最终结果是失败了,努力了也不留遗憾。💓💓💓 目录   ✨说在前面 🍋知识点一:什么是list? •🌰1.list的定义 •🌰2.list的基本特性 •🌰3.常用接口介绍 🍋知识点二:list常用接口 •🌰1.默认成员函数 🔥构造函数(⭐) 🔥析构函数 •🌰2.list对象

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学