Python中随机数的生成[通俗易懂]

Python中随机数的生成[通俗易懂]在Python中可以用于随机数生成的有两种主要途径,一是random模块,另一个是numpy库中random函数。OUTLINErandom模块numpy中的random函数总结random模块random模块中将近有7个函数都是可以用来生成随机数的:①random.random()功能:随机生成一个[0,1)的浮点数用法:importrando…

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE稳定放心使用

在Python中可以用于随机数生成的有两种主要途径,一是random模块,另一个是numpy库中random函数。

OUTLINE

  • random模块
  • numpy中的random函数
  • 总结

random模块

random模块中将近有7个函数都是可以用来生成随机数的:

① random.random()
功能:随机生成一个 [0,1) 的浮点数
用法

import random
number = random.random()
# 输出:0.7178886135325596

② random.uniform(a,b)
功能:随机生成一个 [a,b) 的浮点数
用法

number = random.uniform(2,4)
# 输出:2.070517705689751

③ random.randint(a,b)
功能:随机生成一个 [a,b] 的整数
用法

number = random.randint(2,4)
# 输出:3

④ random.randrange(a,b,step)
功能:在生成的<以a为始,每step递增,以b为终>这样的一个整数序列中随机选择一个数
用法

number = random.randrange(2,10,2)
# 输出:2

⑤ random.choice(sequence)
功能:从一个已有的sequence中随机选择一个元素
用法

number = random.choice(range(2,10))
# 输出:6
number = random.choice('anbegvdje')
# 输出:g

⑥ random.sample(sequence,k)
功能:从某一序列中获取指定长度的片段
用法

a = ['香蕉','苹果','橘子','眼影','眼线']
b = random.sample(a,2)
# 输出:['橘子', '苹果']

⑦ random.shuffle(列表)
功能:打乱一个列表的元素顺序
用法

a = ['香蕉','苹果','橘子','眼影','眼线']
random.shuffle(a) # 打乱这个操作不需要重新定义对象,它作用的是对象本身
# 输出:['眼线', '苹果', '眼影', '橘子', '香蕉']

numpy中的random函数

numpy中的random函数可以调用的方法主要有两种,一种是生成随机浮点数,二是生成随机整数。

① np.random.randn(a,b)
功能:生成a*b维的随机数,且该数服从标准正太分布
用法

data = np.random.randn(5,4)
# 输出:
array([[-1.6101468 , -0.81103612, 0.44875047, 0.55987574], [-0.33322916, 0.18676658, -0.18424432, -0.84435811], [ 0.57654276, 0.28830858, -0.73403656, 1.59404864], [ 0.39009202, 0.86239796, 0.66290243, -0.61292579], [ 0.03081516, 0.99335315, -0.6875357 , 0.90552971]])

② random.randint(low,high,size)
功能:生成一个<以low为下限,high为上限,size大小>的随机整数矩阵,其中数值范围包含low,不包含high
用法

data = np.random.randint(low=2,high=5,size=(5,7))
# 输出:
array([[4, 2, 4, 4, 4, 4, 2], [4, 2, 2, 4, 3, 3, 3], [3, 4, 3, 4, 3, 3, 4], [3, 4, 2, 3, 3, 2, 2], [3, 3, 3, 3, 2, 3, 2]])

总结

1、在我们日常使用中,如果是为了得到随机的单个数,多考虑random模块;如果是为了得到随机小数或者整数的矩阵,就多考虑numpy中的random函数;

2、对于random模块的函数调用方法的记忆,可以多从它本身的英译出发,并多比较其不同从而加深理解~

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/185733.html原文链接:https://javaforall.net

(0)
全栈程序员-站长的头像全栈程序员-站长


相关推荐

  • js中判断对象是否为空

    js中判断对象是否为空1.es6中可以使用Object.keys(obj)vardata={};vararr=Object.keys(data);alert(arr.length==0);//true为空,false不为空2.将json对象转化为json字符串,再判断该字符串是否为"{}"vardata={};varb=(JSON.stringify(data)==…

    2022年6月14日
    24
  • Method getMethod

    转自:https://www.cnblogs.com/douder/p/7237883.htmlMethod getMethod(String name, Class&lt;?&gt;… parameterTypes) –返回一个 Method 对象,它反映此 Class 对象所表示的类或接口的指定公共成员方法。 方法后面接收的就是Class类的对象,而如:String.class、i…

    2021年11月30日
    51
  • 使用ResNet101作为预训练模型训练Faster-RCNN-TensorFlow-Python3-master[通俗易懂]

    使用ResNet101作为预训练模型训练Faster-RCNN-TensorFlow-Python3-master[通俗易懂]  使用VGG16作为预训练模型训练Faster-RCNN-TensorFlow-Python3-master的详细步骤→Windows10+Faster-RCNN-TensorFlow-Python3-master+VOC2007数据集。  如果使用ResNet101作为预训练模型训练Faster-RCNN-TensorFlow-Python3-master,在之前使用VGG16作为预训练模型的训练步骤基础上需要修改几个地方。第一个,在之前的第6步时,改为下载预训练模型ResNet101,在./da

    2022年10月6日
    3
  • CyclicBarrier和CountDownLatch区别

    CyclicBarrier和CountDownLatch区别这两天写多线程时,用到了CyclicBarrier,下意识的认为CyclicBarrier和CountDownLatch作用很像,就翻阅资料查了一下,说一下他们的区别吧CyclicBarrier和CountDownLatch都位于java.util.concurrent这个包下CountDownLatchCyclicBarrier

    2022年7月13日
    17
  • datax(7):JobContainer源码解读

    datax(7):JobContainer源码解读前面已经看了Engine,其中有一步就是判断container是job还是taskGroup类型。本文就好好看看JobContainer。一,概述JobContainer:job实例运行在jobContainer容器中,它是所有任务的master,负责初始化、拆分、调度、运行、回收、监控和汇报,但它并不做实际的数据同步操作1、如果是job类型,则依次执行job的preHandler()、init()、prepare()、split()、schedule()、-post()、post.

    2022年5月16日
    43
  • Win7如何显示文件后缀

    Win7如何显示文件后缀

    2021年10月15日
    55

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号