python中【random】函数用法、randint(a, b)、random( )、uniform(a, b)、shuffle(序列)、sample( )

2023-12-12 04:20

本文主要是介绍python中【random】函数用法、randint(a, b)、random( )、uniform(a, b)、shuffle(序列)、sample( ),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!

1、random.randint(a, b)  —— 随机生成一个整数,范围在[a,b]之间 ——闭区间

即:生成指定范围内的整数。

注意:a、b必须是整数

import randoma = random.randint(1, 3)  # 从1~3里随机生成一个整数,包括1和3
print(a)
# 结果:
1 或者2 或者 3

2、random.random( ) ——随机生成一个浮点数,范围在[0,1)之间 ——左闭右开

import randoma = random.random()
print(a)
# 结果:
0.010555497939993108

3、random.uniform(a, b) ——随机生成一个浮点数,范围在[a,b)之间 ——左闭右开

import randoma = random.uniform(1, 3)
print(a)
# 结果:
1.2921501572960141

4、random.shuffle(x) ——将一个列表中的元素打乱

import random
x = [1, 2, 3, 4, 5]
random.shuffle(x)  # !!!
print(x)# 结果:
[1, 3, 5, 2, 4]  或者 [2, 1, 4, 5, 3] .....

再比如:利用range( )范围函数,生成列表

x = list(range(10))  # 生成列表:[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
print(x)# 结果:
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]# 现在把它打乱
x = list(range(10))
random.shuffle(x)
print(x)# 结果:
[4, 5, 9, 2, 8, 7, 1, 3, 0, 6]  或 [8, 9, 7, 2, 1, 6, 5, 0, 4, 3] ....

5、random.sample(序列, k) ——从指定序列中,随机获取指定长度k的片段

# 例1
import random
x = [1, 3, 2, 5, 6]
a = random.sample(x, 3)
print(a)
# 结果:
[5, 2, 3]或者[1, 6, 3] ....# 例2
a = random.sample(range(10), 3)
print(a)
# 结果:
[3, 0, 5]
或者:[8, 6, 5] .....

sample( )函数不会修改原有序列。

import random
x = [1, 3, 2, 5, 6]
a = random.sample(x, 3)
print(a)
print("原来序列:", x)# 结果:
[2, 5, 6]
原来序列: [1, 3, 2, 5, 6]

这篇关于python中【random】函数用法、randint(a, b)、random( )、uniform(a, b)、shuffle(序列)、sample( )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/483212

相关文章

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

hdu1171(母函数或多重背包)

题意:把物品分成两份,使得价值最接近 可以用背包,或者是母函数来解,母函数(1 + x^v+x^2v+.....+x^num*v)(1 + x^v+x^2v+.....+x^num*v)(1 + x^v+x^2v+.....+x^num*v) 其中指数为价值,每一项的数目为(该物品数+1)个 代码如下: #include<iostream>#include<algorithm>

【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

uva 10131 最长子序列

题意: 给大象的体重和智商,求体重按从大到小,智商从高到低的最长子序列,并输出路径。 代码: #include <iostream>#include <cstdio>#include <cstdlib>#include <algorithm>#include <cstring>#include <cmath>#include <stack>#include <vect

【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

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip

C++操作符重载实例(独立函数)

C++操作符重载实例,我们把坐标值CVector的加法进行重载,计算c3=c1+c2时,也就是计算x3=x1+x2,y3=y1+y2,今天我们以独立函数的方式重载操作符+(加号),以下是C++代码: c1802.cpp源代码: D:\YcjWork\CppTour>vim c1802.cpp #include <iostream>using namespace std;/*** 以独立函数

bytes.split的用法和注意事项

当然,我很乐意详细介绍 bytes.Split 的用法和注意事项。这个函数是 Go 标准库中 bytes 包的一个重要组成部分,用于分割字节切片。 基本用法 bytes.Split 的函数签名如下: func Split(s, sep []byte) [][]byte s 是要分割的字节切片sep 是用作分隔符的字节切片返回值是一个二维字节切片,包含分割后的结果 基本使用示例: pa