這篇文章主要介紹了Python內置random模塊生成隨機數的方法,本文給大家介紹的非常詳細，具有一定的參考借鑑價值，需要的朋友可以參考下
本文我們詳細地介紹下兩個模塊關於生成隨機序列的其他使用方法。
隨機數參與的應用場景大家一定不會陌生，比如密碼加鹽時會在原密碼上關聯一串隨機數，蒙特卡洛算法會通過隨機數採樣等等。Python內置的random模塊提供了生成隨機數的方法，使用這些方法時需要導入random模塊。
import random
下面介紹下Python內置的random模塊的幾種生成隨機數的方法。
1、random.random()隨機生成 0 到 1 之間的浮點數[0.0, 1.0)。注意的是返回的隨機數可能會是 0 但不可能爲 1，即左閉右開的區間。
print("random: ", random.random())
#random: 0.5714025946899135
2、random.randint(a , b)隨機生成 a 與 b 之間的整數[a, b]，a<=n<=b，隨機整數不包含 b 時[a, b)可以使用 random.randrange() 方法。
print("randint: ", random.randint(6,8))
#randint: 8
3、random.randrange(start,stop,step)按步長step隨機在上下限範圍內取一個隨機數，start<=n<stop。
print("randrange: ",random.randrange(20,100,5))
#randrange: 85
4、random.uniform(a, b)隨機生成 a 與 b 之間的浮點數[a, b]，a<=n<=b。
print("uniform: ",random.uniform(5,10))
#uniform: 5.119790163375776
5、random.choice()從列表中隨機取出一個元素，比如列表、元祖、字符串等。注意的是，該方法需要參數非空，否則會拋出 IndexError 的錯誤。
print("choice: ",random.choice("www.yuanxiao.net"))
#choice: y
6、random.shuffle(items) 把列表 items 中的元素隨機打亂。注意的是，如果不想修改原來的列表，可以使用 copy 模塊先拷貝一份原來的列表。
num = [1, 2, 3, 4, 5]
random.shuffle(num)
print("shuffle: ",num)
#shuffle: [1, 3, 5, 4, 2]
7、random.sample(items, n)從列表 items 中隨機取出 n 個元素。
num = [1, 2, 3, 4, 5]
print("sample: ",random.sample(num, 3))
#sample: [4, 1, 5]
Python 的random模塊產生的隨機數其實是僞隨機數，依賴於特殊算法和指定不確定因素(種子seed)來實現。如randint方法生成一定範圍內的隨機數，會先指定一個特定的seed，將seed通過特定的隨機數產生算法，得到一定範圍內隨機分佈的隨機數。因此對於同一個seed值的輸入產生的隨機數會相同，省略參數則意味着使用當前系統時間秒數作爲種子值，達到每次運行產生的隨機數都不一樣。
random.seed(2)
print("random: ", random.random())
#random: 0.9560342718892494
random.seed(3)
print("random: ", random.random())
#random: 0.23796462709189137
random.seed(3)#同一個種子值，產生的隨機數相同
print("random: ", random.random())
#random: 0.23796462709189137
numpy庫也提供了random模塊，用於生成多維度數組形式的隨機數。使用時需要導入numpy庫。
import numpy as np
下面介紹下numpy庫的random模塊的幾種生成隨機數的方法。
1、numpy.random.rand(d0,d1,…,dn)
rand函數根據給定維度生成[0,1]之間的數據，包含0，不包含1
dn表格每個維度
返回值爲指定維度的array
print("np.random.rand：\n {}".format(np.random.rand(4,2)))
# shape: 4*3
"""
np.random.rand：
[[0.5488135 0.71518937]
[0.60276338 0.54488318]
[0.4236548 0.64589411]
[0.43758721 0.891773 ]]
"""
print("np.random.rand：\n {}".format(np.random.rand(4,3,2)))
# shape: 4*3*2
"""
np.random.rand：
[[[0.96366276 0.38344152]
[0.79172504 0.52889492]
[0.56804456 0.92559664]]
[[0.07103606 0.0871293 ]
[0.0202184 0.83261985]
[0.77815675 0.87001215]]
[[0.97861834 0.79915856]
[0.46147936 0.78052918]
[0.11827443 0.63992102]]
[[0.14335329 0.94466892]<br> [0.52184832 0.41466194]<br> [0.26455561 0.77423369]]]<br>"""
2、numpy.random.randn(d0,d1,…,dn)
randn函數返回一個或一組樣本，具有標準正態分佈。
dn表格每個維度
返回值爲指定維度的array
標準正態分佈—-standard normal distribution
標準正態分佈又稱爲u分佈，是以0爲均值、以1爲標準差的正態分佈，記爲N（0，1）。
print("np.random.randn：\n {}".format(np.random.randn()))
# 當沒有參數時，返回單個數據
"""
np.random.randn：
2.2697546239876076
"""
print("np.random.randn：\n {}".format(np.random.randn(2,4)))
"""
np.random.randn：
[[-1.45436567 0.04575852 -0.18718385 1.53277921]
[ 1.46935877 0.15494743 0.37816252 -0.88778575]]
"""
print("np.random.randn：\n {}".format(np.random.randn(4,3,2)))
"""
np.random.randn：
[[[-1.98079647 -0.34791215]
[ 0.15634897 1.23029068]
[ 1.20237985 -0.38732682]]
[[-0.30230275 -1.04855297]
[-1.42001794 -1.70627019]
[ 1.9507754 -0.50965218]]
[[-0.4380743 -1.25279536]
[ 0.77749036 -1.61389785]
[-0.21274028 -0.89546656]]
[[ 0.3869025 -0.51080514]
[-1.18063218 -0.02818223]
[ 0.42833187 0.06651722]]]
"""
3、numpy.random.randint(low, high=None, size=None, dtype=‘l’)
返回隨機整數，範圍區間爲[low,high），包含low，不包含high
參數：low爲最小值，high爲最大值，size爲數組維度大小，dtype爲數據類型，默認的數據類型是np.int
high沒有填寫時，默認生成隨機數的範圍是[0，low]
print("np.random.randint：\n {}".format(np.random.randint(1,size=5)))
# 返回[0,1)之間的整數，所以只有0
"""
np.random.randint：
[0 0 0 0 0]
"""
print("np.random.randint：\n {}".format(np.random.randint(1,5)))# 返回1個[1,5)時間的隨機整數
"""
np.random.randint：
2
"""
print("np.random.randint：\n {}".format(np.random.randint(-5,5,size=(2,2))))
"""
np.random.randint：
[[-5 -3]
[ 2 -3]]
"""
4、numpy.random.seed()
np.random.seed()的作用：使得隨機數據可預測。
當我們設置相同的seed，每次生成的隨機數相同。如果不設置seed，則每次會生成不同的隨機數
推薦我們的python學習基地，看前輩們是如何學習的！從基礎的python腳本、爬蟲、django、數據挖掘等編程技術，還有整理零基礎到項目實戰的資料，送給每一位愛學習python的小夥伴！每天都有老前輩定時講解Python技術，分享一些學習的方法和需要留意的小細節，點擊加入我們的 python學習者聚集地