Python偽隨機數模塊random怎么用

這篇“Python偽隨機數模塊random怎么用”文章的知識點大部分人都不太理解，所以小編給大家總結了以下內容，內容詳細，步驟清晰，具有一定的借鑒價值，希望大家閱讀完這篇文章能有所收獲，下面我們一起來看看這篇“Python偽隨機數模塊random怎么用”文章吧。

random模塊

該模塊實現了各種分布的偽隨機數生成器。(包括在實數軸上計算均勻、正態（高斯）、對數正態、負指數、伽馬和貝塔分布的函數)不應將此模塊的偽隨機生成器用于安全目的。有關安全性或加密用途，請使用secrets模塊。

關于random模塊的更多詳細內容，請參考官方文檔random — 生成偽隨機數

下面列舉一下該模塊常用的功能。

random.seed

random.seed(a=None, version=2)

初始化隨機數生成器,如果a被省略或為None，則使用當前系統時間。如果操作系統提供隨機源，則使用它們而不是系統時間。當你的seed是相同的情況下，你多次執行得到的隨機數序列是相同的。因為Mersenne Twister的完全確定性，因此random模塊產生的隨機數不適合加密目的。

常用整數隨機函數

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

randrange()返回一個[start, stop)區間內隨機選擇的元素。

random.randint(a, b)

返回隨機整數 N 滿足 a <= N <= b。相當于 randrange(a, b+1)。

常用序列隨機函數

random.choice(seq)

從非空序列 seq 返回一個隨機元素。 如果 seq 為空，則引發 IndexError。

random.shuffle(x[, random])

將序列 x 隨機打亂位置。（在原來的序列上進行，不會生成新的序列。）

可選參數 random 是一個函數，在 [0.0, 1.0) 中返回隨機浮點數；默認情況下是函數 random.random() 。

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

返回從總體序列或集合中選擇的唯一元素的 k 長度列表。 用于無重復的隨機抽樣。（抽獎常用的函數）下面是一個抽獎的例子。

有30000人參加了Python編程活動，然后抽取1000人進行獎勵。其中一等獎20人，二等獎30人，三等獎50人，四等獎200人，五等獎700人。

上述的抽獎活動，可以用如下的代碼完成。

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

而且，這樣產生的抽獎結果也將是可控的。例如，我們需要3號中一等獎，33號中二等獎，333號中三等獎。代碼如下：

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)    # 將3號摻入前10
res.insert(random.randint(30, 40), 33)  # 將33號摻入30-40之間
res.insert(random.randint(70, 90), 333) # 將333摻入到70-90之間

print("一等獎名單:", res[:20])
print("二等獎名單:", res[20:50])
print("三等獎名單:", res[50:100])
print("四等獎名單:", res[100:300])
print("五等獎名單:", res[300:])

常用實數隨機函數

random.random()

返回 [0.0, 1.0) 范圍內的下一個隨機浮點數。

random.uniform(a, b)

返回一個隨機浮點數 N ，當 a <= b 時 a <= N <= b ，當 b < a 時 b <= N <= a 。終點 b 是否在該范圍內。取決于等式 a + (b-a) * random() 中的浮點舍入結果。

random.gauss(mu, sigma)

正態分布，也稱高斯分布。 mu 為平均值，而 sigma 為標準差。 此函數要稍快于下面所定義的 normalvariate() 函數。

多線程注意事項：

當兩個線程同時調用此方法時，它們有可能將獲得相同的返回值。 這可以通過三種辦法來避免。

1) 讓每個線程使用不同的隨機數生成器實例。

2) 在所有調用外面加鎖。

3) 改用速度較慢但是線程安全的 normalvariate() 函數。

random.normalvariate(mu, sigma)

正態分布。 mu 是平均值，sigma 是標準差。

以上就是關于“Python偽隨機數模塊random怎么用”這篇文章的內容，相信大家都有了一定的了解，希望小編分享的內容對大家有幫助，若想了解更多相關的知識內容，請關注億速云行業資訊頻道。