python产生随机数的方法_产生随机数的代码

python产生随机数的方法_产生随机数的代码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全家桶1年46,售后保障稳定

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])

Jetbrains全家桶1年46,售后保障稳定

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/219971.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

  • labelme图像标注_ai标注工具

    labelme图像标注_ai标注工具参考:https://blog.csdn.net/u011574296/article/details/79740633在做目标检测任务时,需要用到labelImg进行画框标注,在之前的文章中已经介绍过该工具的使用方法。然而如果是做语义分割的任务时,就不能只是标注框里,需要用另外一种工具labelme进行标注,本文对该工具的安装使用方法进行介绍。官方教程:https://github.co…

    2022年9月12日
    3
  • Ubuntu 14.04 Desktop的Raid1安装总结

    Ubuntu 14.04 Desktop的Raid1安装总结安装基于Ubuntu14.04Desktop的Raid1。由于采用UEFI/GPT方式作为系统启动方式,在安装过程中出现了很多异常情况。本文记录安装的过程。

    2022年7月15日
    23
  • Tarjan 算法介绍及用法

    Tarjan 算法介绍及用法Tarjan 简介 这是一个有关图联通的算法 它基于 dfs 在解决有环的有向图或无向图的问题时 很多算法不好是操作 那么就先要将环进行缩点 将其转换为 DAG 有向无环图 或一棵树 然后问题应会迎刃而解常规操作 首先补几个概念 强连通 在一个 DAG 中 有 a b 两点 若 a 可以到达 b 且 b 可以到达 a 则 a b 即为强连通 强连通图 若在一个 DAG 中 任意两

    2025年6月18日
    4
  • 如果不能显示真正的考验个别车型toast问题解决

    如果不能显示真正的考验个别车型toast问题解决

    2022年1月10日
    43
  • CSS3选择器介绍及用法总结[通俗易懂]

    CSS3选择器介绍及用法总结[通俗易懂]CSS3新增了很多强大的选择器它可以让我们少写一些js事件脚本我们先来看看各个版本的选择器有哪些注:ele代表element元素attr代表attribute属性,val代表value属性值:xxx都属于伪类选择器,::xxx都属于伪元素选择器有名字的选择器我尽量细分了CCS1选择器选择器类型示例说明.class类选择器.demo

    2022年7月11日
    19
  • 13个大数据应用案例,告诉你最真实的大数据故事[通俗易懂]

    13个大数据应用案例,告诉你最真实的大数据故事[通俗易懂]   大数据真的太神奇了,真的可以让改变一个企业的运营吗?答案是肯定的。大数据目前是当下最火热的词了,你要是不知道大数据这个概念,都不好意思在众人面前开口了。然而实际上很多人都对大数据的应用模糊不清。现在就让我们从下面十三个大数据应用案例来了解下最真实的大数据故事把,并鲜明得了解大数据在生活当中实际应用的情况。大数据应用案例之电视媒体  对于体育爱好者,追踪电视播放的最新运动赛事几乎是一件不…

    2022年6月4日
    77

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