python生成随机数:uniform(), randint(), gauss(), expovariate()

2023-12-29 00:38

本文主要是介绍python生成随机数:uniform(), randint(), gauss(), expovariate(),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 模块:random内建模块,伪随机数生成器

使用Mersenne Twister的伪随机数生成器PRNG进行生成,它以一个确定的数字作为属于,并为其生成一个随机数;为了安全起见,不要用PRNG生成随机数,要用secrets模块的真随机数TRNG生成;

2 播种随机数,即用随机数种子seed控制随机数

>>> import random
## 1、当不指定种子seed时,PRNG每次生成的数不一样
>>> print('Random Number 1=>',random.random())
Random Number 1=> 0.21008902332926982
>>> print('Random Number 2=>',random.random())
Random Number 2=> 0.434434837731393## 2、当指定种子seed时,PRNG每次生成的数是一样的,所以称为伪随机数
>>> random.seed(42)
>>> print('Random Number 1=>',random.random())
Random Number 1=> 0.6394267984578837
>>> random.seed(42)
>>> print('Random Number 2=>',random.random())
Random Number 2=> 0.6394267984578837

*3 在已知的范围内生成随机数,例如[2, 5],那就可以random.random()3 + 2, uniform(2,5), randint(2,5)

'''
遇到问题没人解答?小编创建了一个Python学习交流QQ群:778463939
寻找有志同道合的小伙伴,互帮互助,群里还有不错的视频学习教程和PDF电子书!
'''
## 1、random.random()*3 + 2
>>> print('Random Number in range(2,8)=>', random.random()*6+2)
Random Number in range(2,8)=> 2.1500645313360014## 2、uniform():获取开始值和结束值作为参数,返回一个浮点型的随机数
>>> print('Random Number in range(2,8)=>', random.uniform(2,8))
Random Number in range(2,8)=> 3.6501759102147155## 3、randint():和uniform相似,不同的是返回值为一个整数
>>> print('Random Number in range(2,8)=>', random.randint(2,8))
Random Number in range(2,8)=> 3

4 从列表中随机选择一个值:choice(), choices()

'''
遇到问题没人解答?小编创建了一个Python学习交流QQ群:778463939
寻找有志同道合的小伙伴,互帮互助,群里还有不错的视频学习教程和PDF电子书!
'''
## 1、choice会从这个列表中随机选择一个值
>>> a=[5,9,20,10,2,8]
>>> print('Randomly picked number=>',random.choice(a))
Randomly picked number=> 9
>>> print('Randomly picked number=>',random.choice(a))
Randomly picked number=> 8
>>> print('Randomly picked number=>',random.choice(a))
Randomly picked number=> 5## 2、choices会从这个列表中随机选择多个值(随机数的数量可以超过列表程度)
>>> print('Randomly picked number=>',random.choices(a,k=3))
Randomly picked number=> [5, 20, 5]
>>> print('Randomly picked number=>',random.choices(a,k=3))
Randomly picked number=> [9, 10, 5]
>>> print('Randomly picked number=>',random.choices(a,k=3))
Randomly picked number=> [9, 10, 10]## 3、choices利用weights将数组作为权重传递,增加每个值被选取的可能性
>>> print('Randomly picked number=>',random.choices(a,weights=[1,1,1,3,1,1],k=3))
Randomly picked number=> [5, 5, 2]
>>> print('Randomly picked number=>',random.choices(a,weights=[1,1,1,3,1,1],k=3))
Randomly picked number=> [10, 2, 10]
>>> print('Randomly picked number=>',random.choices(a,weights=[1,1,1,3,1,1],k=3))
Randomly picked number=> [10, 8, 10]

5 shuffling改组列表,对列表随机重排

>>> print('Original list=>',a)
Original list=> [5, 9, 20, 10, 2, 8]
>>> random.shuffle(a)
>>> print('Shuffled list=>',a)
Shuffled list=> [10, 5, 8, 9, 2, 20]

6 根据概率分布生成随机数:gauss(), expovariate()

(1)高斯分布gauss()

'''
遇到问题没人解答?小编创建了一个Python学习交流QQ群:778463939
寻找有志同道合的小伙伴,互帮互助,群里还有不错的视频学习教程和PDF电子书!
'''
>>> import random
>>> import matplotlib.pyplot as plt
>>> temp = []
>>> for i in range(1000):
... temp.append(random.gauss(0,1))
...
>>> plt.hist(temp, bins=30)
>>> plt.show()

在这里插入图片描述
(2)变数分布expovariate():以lambda的值作为参数,lambda为正,则返回从0到正无穷的值;如果lambda为负,则返回从负无穷到0的值

>>> print('Random number from exponential distribution=>',random.expovariate(10))
Random number from exponential distribution=> 0.012164560954097013
>>> print('Random number from exponential distribution=>',random.expovariate(-1))
Random number from exponential distribution=> -0.6461397037921695

(3)伯努利分布
(4)均匀分布
(5)二项分布
(6)正太分布
(7)泊松分布

这篇关于python生成随机数:uniform(), randint(), gauss(), expovariate()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/547824

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

AI一键生成 PPT

AI一键生成 PPT 操作步骤 作为一名打工人,是不是经常需要制作各种PPT来分享我的生活和想法。但是,你们知道,有时候灵感来了,时间却不够用了!😩直到我发现了Kimi AI——一个能够自动生成PPT的神奇助手!🌟 什么是Kimi? 一款月之暗面科技有限公司开发的AI办公工具,帮助用户快速生成高质量的演示文稿。 无论你是职场人士、学生还是教师,Kimi都能够为你的办公文

【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

pdfmake生成pdf的使用

实际项目中有时会有根据填写的表单数据或者其他格式的数据,将数据自动填充到pdf文件中根据固定模板生成pdf文件的需求 文章目录 利用pdfmake生成pdf文件1.下载安装pdfmake第三方包2.封装生成pdf文件的共用配置3.生成pdf文件的文件模板内容4.调用方法生成pdf 利用pdfmake生成pdf文件 1.下载安装pdfmake第三方包 npm i pdfma

poj 1258 Agri-Net(最小生成树模板代码)

感觉用这题来当模板更适合。 题意就是给你邻接矩阵求最小生成树啦。~ prim代码:效率很高。172k...0ms。 #include<stdio.h>#include<algorithm>using namespace std;const int MaxN = 101;const int INF = 0x3f3f3f3f;int g[MaxN][MaxN];int n

poj 1287 Networking(prim or kruscal最小生成树)

题意给你点与点间距离,求最小生成树。 注意点是,两点之间可能有不同的路,输入的时候选择最小的,和之前有道最短路WA的题目类似。 prim代码: #include<stdio.h>const int MaxN = 51;const int INF = 0x3f3f3f3f;int g[MaxN][MaxN];int P;int prim(){bool vis[MaxN];

poj 2349 Arctic Network uva 10369(prim or kruscal最小生成树)

题目很麻烦,因为不熟悉最小生成树的算法调试了好久。 感觉网上的题目解释都没说得很清楚,不适合新手。自己写一个。 题意:给你点的坐标,然后两点间可以有两种方式来通信:第一种是卫星通信,第二种是无线电通信。 卫星通信:任何两个有卫星频道的点间都可以直接建立连接,与点间的距离无关; 无线电通信:两个点之间的距离不能超过D,无线电收发器的功率越大,D越大,越昂贵。 计算无线电收发器D

【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

hdu 1102 uva 10397(最小生成树prim)

hdu 1102: 题意: 给一个邻接矩阵,给一些村庄间已经修的路,问最小生成树。 解析: 把已经修的路的权值改为0,套个prim()。 注意prim 最外层循坏为n-1。 代码: #include <iostream>#include <cstdio>#include <cstdlib>#include <algorithm>#include <cstri

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言