python产生随机数的方法_产生随机数的函数

python产生随机数的方法_产生随机数的函数Python产生随机数:一.Python自带的random库1.参生n–m范围内的一个随机数:random.randint(n,m)2.产生0到1之间的浮点数:random.random()3.产生n—m之间的浮点数:random.uniform(1.1,5.4)4.产生从n—m间隔为k的整数:random.randrange(n,m,k)5.从序列中随机选取一个元素:random.choice([1,2,3,4,5,6,7

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

Python产生随机数:
一.Python自带的random库
1.参生n–m范围内的一个随机数: random.randint(n,m)

   2.产生0到1之间的浮点数:  random.random()

   3.产生n---m之间的浮点数:  random.uniform(1.1,5.4)

   4.产生从n---m间隔为k的整数: random.randrange(n,m,k)

   5.从序列中随机选取一个元素:  random.choice([1, 2, 3, 4, 5, 6, 7, 8, 9, 0])

   6.在一些特殊的情况下可能对序列进行一次打乱操作: random.shuffle([1,3,5,6,7])
import random
 
# 产生 110 的一个整数型随机数
print( random.randint(1,10) )        
# 产生 01 之间的随机浮点数
print( random.random() )             
# 产生  1.15.4 之间的随机浮点数,区间可以不是整数
print( random.uniform(1.1,5.4) )     
# 从序列中随机选取一个元素
print( random.choice([1, 2, 3, 4, 5, 6, 7, 8, 9, 0]) )   
# 生成从1100的间隔为2的随机整数
print( random.randrange(1,100,2) )   
# 将序列a中的元素顺序打乱
a=[1,3,5,6,7]                
random.shuffle([1,3,5,6,7])
print(a)

二.numpy库
1.产生N维的均匀分布的随机数: np.random.rand(d1,d2,d3,…,dn)

   2.产生n维的正态分布的随机数:   np.random.randn(d1,d2,d3,...,dn)

   3.产生n--m之间的k个整数:np.random.randint(n,m,k)

   4.产生n个0--1之间的随机数: np.random.random(10)

   5.从序列中选择数据: np.random.choice([2,5,7,8,9,11,3])

   6.把序列中的数据打乱:np.random.shuffle(item)
import numpy as np
 
#产生n维的均匀分布的随机数
print(np.random.rand(5,5,5))
 
#产生n维的正态分布的随机数
print(np.random.randn(5,5,5))
 
#产生n--m之间的k个整数
print(np.random.randint(1,50,5))
 
#产生n个0--1之间的随机数
print(np.random.random(10))
 
#从序列中选择数据
print(np.random.choice([2,5,7,8,9,11,3]))
 
#把序列中的数据打乱
#np.random.shuffle(item) 不会参数返回值,改变的话是在原列表中修改的
item = [2,5,7,8,9,11,3]
np.random.shuffle(item)
print(item)
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/185946.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

  • 6,ORM组件XCode(撬动千万级数据)

    6,ORM组件XCode(撬动千万级数据)

    2021年8月8日
    92
  • 线性代数————思维导图(上岸必备)(行列式部分)

    该思维导图为线性代数行列式的大纲以及基本解题思路,内容较为详细。该思维导图为本人依照张宇闭关修炼2020所制作,希望能帮助大家顺利上岸

    2022年4月9日
    220
  • Portraiture Mac(PS磨皮滤镜插件) v3.5.1已注册版「建议收藏」

    Portraiture Mac(PS磨皮滤镜插件) v3.5.1已注册版「建议收藏」portraituremac激活成功教程版是大家熟知的一款专业磨皮滤镜插件。本次与大家分享的Portraiture插件Mac激活成功教程版专为photoshop软件设计,功能强大,能够智能的对图像中的肤色、毛发以及眉毛等部位进行滤镜抛光处理,细节处理,以减少瑕疵。portraituremac激活成功教程版基本上是人人都能用得上的ps辅助工具,有了它处理人像效果更加显著。原文及下载地址:www.mac69.c…

    2022年7月22日
    26
  • C语言分苹果_数据结构:使用C语言

    C语言分苹果_数据结构:使用C语言1、题目描述果园里有堆苹果,N(1<N<9)只熊来分。第一只熊把这堆苹果平均分为N份,多了一个,它把多的一个扔了,拿走了一份。第二只熊把剩下的苹果又平均分成N份,又多了一个,它同样把多的一个扔了,拿走了一份,第三、第四直到第N只熊都是这么做的,问果园里原来最少有多少个苹果?示例和说明如下:2、解题思路我的方法很简单就是从最小的可能的数开始,一个一个尝试,满足了测试的要求之后

    2022年10月10日
    1
  • FPN全解-最全最详细

    FPN全解-最全最详细这篇论文是CVPR2017年的文章,采用特征金字塔做目标检测,有许多亮点,特来分享。论文:featurepyramidnetworksforobjectdetection论文链接:https://arxiv.org/abs/1612.03144论文概述:作者提出的多尺度的objectdetection算法:FPN(featurepyramidnetworks)。原来多…

    2022年6月4日
    36
  • sklearn cross validation_python sklearn

    sklearn cross validation_python sklearnKFold通过提供index来给你确定不同组的训练集以及测试的index,来构造交叉验证数据集。参数(n,n_folds=3,shuffle=False,random_state=None)n为总数n_folds为分为多少个交叉验证集shuffle为是否随机random_state设置随机因子fromsklearn.cross_validationimportKFoldimpor

    2022年9月2日
    4

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