Python生成随机数的一个标准库-random

Posted 2023-04-26 Python学习

1.介绍

Random库Python中用于生成随机数的一个标准库。计算机没有办法产生真正的随机数，但它可以产生伪随机数。

伪随机数是计算机按照一定的运算规则产生的一些数据，只不过这些数据表现为随机数的形式。计算机中采用梅森旋转算法生成为随机序列，序列中的每一个元素就是伪随机数，由于计算机不能产生真正的随机数，所以伪随机数也就被称为随机数。

Random库包含两类函数，常用的有8个：

• 基本随机函数：seed()，random()

• 扩展随机函数：randint()，getrandbits()，uniform()，randrange()，choice()，shuffle()

2.基本随机数函数

Python中的随机数使用随机数种子来产生，随机数种子通过梅森旋转算法产生随机序列，这个随机序列是唯一并且确定的，随机序列中的每一个数就是随机数。换句话说，只要随机数种子相同，那么产生的随机序列无论是每一个数，还是数之间的关系都是相同的。

seed(a=None)

初始化给定的随机数种子，默认为当前时间

random()

生成一个[0.0,1.0)之间的随机小数（大于等于0，小于1）。

根据随机数种子产生随机序列，产生后第一次调用该函数，则返回序列的第0个元素；

第二次调用，则返回序列的第1个元素......以此类推。

实例1：

使用默认的随机数种子产生随机数

>>> import random
>>> random.seed()
>>> random.random()
0.4583742792868192
>>> random.random()
0.9905749191276231
>>> random.seed()
>>> random.random()
0.8846207230562237
>>> random.random()
0.13447072126096293

实例2：
使用固定的随机数种子产生随机数

>>> import random
>>> random.seed(10)
>>> random.random()
0.5714025946899135
>>> random.random()
0.4288890546751146
>>> random.seed(10)
>>> random.random()
0.5714025946899135
>>> random.random()
0.4288890546751146

3.扩展随机数函数

randint(a,b)

生成一个[a,b]之间的随机整数（大于等于a，小于等于b）。例如：

>>> import random
#Python小白学习交流群：725638078
>>> random.randint(1,9)
3
randrange(m,n[,k]) 	

生成一个[m,n)之间以k为步长的随机整数（大于等于m，小于n）。例如：

>>> import random
>>> random.randrange(10,110,10)
20
getrandbits(k) 	

生成一个长度为k的二进制随机整数。例如：

>>> import random
>>> random.getrandbits(16)
17266
uniform(a,b) 	

生成一个[a,b]之间的随机小数（大于等于a，小于等于b）。例如：

>>> import random
>>> random.uniform(10,20)
12.484765001518227
choice(seq) 	

从序列seq中随机选择一个元素。例如：

>>> import random
>>> random.choice((1,2,3,4,5,6,7,8))
4
shuffle(seq) 	

将变量序列seq中元素随机排序，并返回给序列的变量。例如：

>>> import random
>>> seq=[1,2,3,4,5,6,7]
>>> random.shuffle(seq)
>>> print(seq)
[4, 3, 2, 1, 7, 6, 5]

Python 标准库之 random 生成伪随机数『详细』

Python 标准库之 random 生成伪随机数

文章目录

• Python 标准库之 random 生成伪随机数
• • 一、Python random介绍🤪
  • 二、导入 random 库
  • 三、随机整数
  • 四、序列用随机函数
  • 五、实值分布
  • 六、random 可以做什么?🤔
  • 扩展：Python的集合也能实现随机
  • 扩展：为什么说 random 是伪随机数
  • 参考资料💌
  • 相关博客😏

---

一、Python random介绍🤪

random 模块实现了各种分布的伪随机数生成器，对于整数，从范围中有统一的选择。 对于序列，存在随机元素的统一选择、用于生成列表的随机排列的函数、以及用于随机抽样而无需替换的函数。

本文章内容较多，如果需要查找某个特定的方法或属性，建议使用浏览器的 查找 ctrl + f功能

---

二、导入 random 库

在看下列内容前，别忘记导入random 标准库呀

import random

---

三、随机整数

1)、random.randrange(start, stop[, step])：

.randrange(start, stop[, step]) 相当于 .choice(range(start, stop, step)) ，也就是内置函数 range() 和方法 choice() 的结合，但实际上并没有构建一个 range 对象，位置参数模式匹配 range()

演示代码：

res1 = random.randrange(1, 11)          # 1 - 10范围内的随机整数
res2 = random.randrange(1, 11, 2)       # 1 - 10范围内每两个的随机整数
res3 = random.choice(range(1, 11, 2))   # 1 - 10范围内每两个的随机整数
print(res1, res2, res3)

2)、random.randint(a, b)：「常用」

在 a <= N <= b 范围内返回整数N，此方法又相当于 .randrange(a, b+1) ，简单点理解范围即是 range(a, b+1) 然后再从里面随机抽出一个整数
与.randrange(start, stop[, step]) 的主要差别是有没有 步长 参数

演示代码：

res1 = random.randint(1, 10)            # 1 - 10范围内的随机整数
res2 = random.randrange(1, 11)          # 1 - 10范围内的随机整数
print(res1, res2)

---

四、序列用随机函数

1)、random.choice(seq)「常用」

从非空序列 seq 返回 一个 随机元素

演示代码：

res1 = random.choice(range(1, 11))            # 1 - 10范围内的随机整数
res2 = random.choice(["张三", "李四", "王五", "罗翔", "Alex", "Jone"])
print(res1, res2)

如果 seq 为空，则引发 IndexError

2)、random.choices(population, weights=None, cum_weights=None, k=1)

用于有重复的随机抽样，因此不能用作于类似抽奖的用途，返回包含来自 population 序列中元素组成的新列表，新列表的长度以 K 决定，如果需要无重复的随机抽样，参考 .sample() 方法

参数如下：

• population： population(总体)，从population中选择抽取，返回大小为 k 的元素列表

• weights：如果给出了 weight 序列，则根据相对权重进行选择，如：[10, 5, 30, 5]，在进行选择之前相对权重会转化为累计权重

• cum_weights：如果给出了 cum_weights 序列，则根据绝对权重进行选择，相对权重[10, 5, 30, 5]相当于累积权重[10, 15, 45, 50]，直接提供累计权重可以减少 内部代码的工作量

• k： 随机选取的元素 长度、数量

如果既未指定 weight 也未指定 cum_weights ，则以相等的概率进行选择。 如果提供了权重序列，则它必须与 population 序列的长度相同。

演示代码：

arr = ["张三", "李四", "王五", "罗翔", "Alex", "Jone"]
# 随机选取列表中三元素
res1 = random.choices(arr, k=3)
# 随机选取列表中三元素, Jone 和 罗翔 被选取的概率最大
res2 = random.choices(arr, weights=[5, 10, 30, 25, 15, 30], k=3)
# 随机选取列表中三元素，累计权重概率与上面相对权重相等，Jone 和 罗翔 被选取的概率最大
res3 = random.choices(arr, cum_weights=[5, 15, 45, 70, 85, 115], k=3)
print(res1, res2, res3)

如果 population 为空，则引发 IndexError

3)、random.shuffle(x[, random])「常用」

shuffle 有着 洗牌 的意思，该方法主要作用是将一个序列中的元素打乱重新排列

源码：

def shuffle(self, x, random=None):
     """Shuffle list x in place, and return None.
     Optional argument random is a 0-argument function returning a
     random float in [0.0, 1.0); if it is the default None, the
     standard random.random will be used.

     """

     if random is None:
         randbelow = self._randbelow
         for i in reversed(range(1, len(x))):
             # pick an element in x[:i+1] with which to exchange x[i]
             j = randbelow(i+1)
             x[i], x[j] = x[j], x[i]
     else:
         _int = int
         for i in reversed(range(1, len(x))):
             # pick an element in x[:i+1] with which to exchange x[i]
             j = _int(random() * (i+1))
             x[i], x[j] = x[j], x[i]

参数如下：

• x： 将序列 x 随机打乱位置
• random：可选参数 random 是一个函数，在 [0.0, 1.0) 中返回随机浮点数，如果不指定将默认使用 .random()方法

演示代码：

arr = ["张三", "李四", "王五", "罗翔", "Alex", "Jone"]
print(arr)                  # 打印原数组
random.shuffle(arr)
print(arr)                  # 打印随机后数组

4)、random.sample(population, k) 「常用」

用于无重复的随机抽样，因此能用作于类似抽奖的用途，返回包含来自 population 序列中元素组成的新列表，新列表的长度以 K 决定，如果需要有重复的随机抽样，参考 .choices() 方法

参数如下：

• population： population(总体)，从population中选择抽取，返回大小为 k 的元素列表
• k： 返回从总体序列或集合中选择的唯一元素的数量、长度

演示代码：

简易抽奖示例

arr = ["张三", "李四", "王五", "罗翔", "Alex", "Jone"]
res = random.sample(arr, 3)
level = {1: "一等奖", 2: "二等级", 3: "三等奖"}
for i, k in enumerate(res, 1):
    print(f"{level[i]}: {k}", end=" ")

如果样本大小大于总体大小，则引发 ValueError

---

五、实值分布

以下函数生成特定的实值分布。如常用数学实践中所使用的那样, 函数参数以分布方程中的相应变量命名;大多数这些方程都可以在任何统计学教材中找到

1)、random.random()
返回 [0.0, 1.0) 范围内的下一个随机浮点数，精确到小数点后16位

演示代码：

for i in range(10):
    print(round(random.random(), 5))    # 四舍五入精确到后五位

2)、random.uniform(a, b)

返回一个随机浮点数 N ，当 a <= b 时 a <= N <= b ，当 b < a 时 b <= N <= a，精确到小数点后16位
简单来说就是返回 a 和 b 之间，包括a 和 b 的一个浮点数，最小范围是 a 和 b 中最小的，最大范围是 a 和 b 中最大的

源码：

源码其实很简单，算法就是公式 a + (b-a) * self.random()

def uniform(self, a, b):
    "Get a random number in the range [a, b) or [a, b] depending on rounding."
    return a + (b-a) * self.random()

演示代码：

res1 = random.uniform(10, 1)                  # 返回 1 <= N <= 10 之间的浮点数
res2 = random.uniform(1, 10)                  # 返回 1 <= N <= 10 之间的浮点数
res3 = 1 + (10-1) * random.random()           # 返回 1 <= N <= 10 之间的浮点数
print(res1, res2, res3, sep=r" // ")

3)、random.triangular(low, high, mode)

返回一个随机浮点数 N ，使得 low <= N <= high 并在这些边界之间使用指定的 mode

源码：

def triangular(self, low=0.0, high=1.0, mode=None):
    """Triangular distribution.
    Continuous distribution bounded by given lower and upper limits,
    and having a given mode value in-between.
    http://en.wikipedia.org/wiki/Triangular_distribution
    """
    u = self.random()
    try:
        c = 0.5 if mode is None else (mode - low) / (high - low)
    except ZeroDivisionError:
        return low
    if u > c:
        u = 1.0 - u
        c = 1.0 - c
        low, high = high, low
    return low + (high - low) * _sqrt(u * c)

参数如下：

• low： 返回随机浮点数 N 的最小值，默认值为 0
• high： 返回随机浮点数 N 的最大值，默认值为 1
• mode： 通过源码可以得知对 mode 的处理 0.5 if mode is None else (mode - low) / (high - low)，默认值为 0.5 为边界之间的中点，给出对称分布

演示代码：

arr = ["张三", "李四", "王五", "罗翔", "Alex", "Jone"]
low, high, mode = 0, 5, 5
c = (mode - low) / (high - low)
res1 = random.triangular(low, high)
res2 = random.triangular(low, high, mode=mode)
print(c, res1, res2, sep=r" // ")

4)、random.betavariate(alpha, beta) 「了解」

Beta 分布，又称贝塔分布，参数的条件是 alpha > 0 和 beta > 0， 返回值的范围介于 0 和 1 之间

概率密度函数

演示代码：

res1 = random.betavariate(2, 2)
res2 = random.betavariate(0.5, 0.5)
res3 = random.betavariate(5, 1)
print(res1, res2, res3, sep=r" // ")

5)、random.expovariate(lambd) 「了解」

指数分布，该参数本应命名为 lambda ，但这是 Python 中的保留字
如果 lambd 为正，则返回值的范围为 0 到正无穷大；如果 lambd 为负，则返回值从负无穷大到 0

演示代码：

res1 = random.expovariate(1)
res2 = random.expovariate(-1)
print(res1, res2, sep=r" // ")

6)、random.gammavariate(alpha, beta) 「了解」

Gamma 分布，参数的条件是 alpha > 0 和 beta > 0

概率分布公式是:👇🏻

演示代码：

res1 = random.gammavariate(5, 1)
res2 = random.gammavariate(1, 6)
res3 = random.gammavariate(6, 6)

print(res1, res2, res3, sep=r" // ")

7)、random.gauss(mu, sigma) 「了解」

高斯分布， mu 是平均值，sigma 是标准差，这比下面要讲的 normalvariate() 函数略快

正态分布（台湾作常态分布，英语：normal distribution）又名高斯分布（英语：Gaussian distribution）、正规分布，是一个非常常见的连续概率分布，正态分布在统计学上十分重要，经常用在自然和社会科学来代表一个不明的随机变量

概率密度函数
红线代表标准正态分配

演示代码：

res1 = random.gauss(0, 0.2)
res2 = random.gauss(0, 1)
res3 = random.gauss(0, 5)
res4 = random.gauss(-2, 0.5)
print(res1, res2, res3, res4, sep=r" \\\\ ")

8)、random.lognormvariate(mu, sigma) 「了解」

任意随机变量的对数服从正态分布，则这个随机变量服从的分布称为对数正态分布，如果你采用这个分布的自然对数，你将得到一个正态分布
平均值为 mu 和标准差为 sigma，mu 可以是任何值，sigma 必须大于零

μ=0 概率密度函数

演示代码：

res1 = random.lognormvariate(0, 10)
res2 = random.lognormvariate(0, 1)
res3 = random.lognormvariate(0, 0.5)
res4 = random.lognormvariate(0, 0.25)
print(res1, res2, res3, res4, sep=r" \\\\ ")

9)、random.normalvariate(mu, sigma) 「了解」

正态分布，mu 是平均值，sigma 是标准差，具体参考 7)、random.gauss(mu, sigma)

演示代码：

res1 = random.normalvariate(0, 0.2)
res2 = random.normalvariate(0, 1)
res3 = random.normalvariate(0, 5)
res4 = random.normalvariate(-2, 0.5)
print(res1, res2, res3, res4, sep=r" \\\\ ")

10)、random.vonmisesvariate(mu, kappa) 「了解」

冯·米塞斯（von Mises）分布，mu 是平均角度，以弧度表示，介于0和 2*pi 之间，kappa 是浓度参数，必须大于或等于零
如果 kappa 等于零，则该分布在 0 到 2*pi 的范围内减小到均匀的随机角度

演示代码：

res1 = random.vonmisesvariate(6, 0)
res2 = random.vonmisesvariate(6, 1)
res3 = random.vonmisesvariate(6, 6)
res4 = random.vonmisesvariate(90, 0)
print(res1, res2, res3, res4, sep=r" \\\\ ")

11)、random.paretovariate(alpha) 「了解」

帕累托分布(Pareto distribution)是以意大利经济学家维尔弗雷多·帕累托命名的，alpha 是形状参数

概率密度函数

演示代码：

res1 = random.paretovariate(1)
res2 = random.paretovariate(2)
res3 = random.paretovariate(3)
print(res1, res2, res3, sep=r" \\\\ ")

12)、random.weibullvariate(alpha, beta) 「了解」

威布尔分布（Weibull distribution）是可靠性分析和寿命检验的理论基础，alpha 是比例参数，beta 是形状参数

概率密度函数

演示代码：

res1 = random.weibullvariate(1, 0.5)
res2 = random.weibullvariate(1, 1)
res3 = random.weibullvariate(1, 1.5)
res4 = random.weibullvariate(1, 5)
print(res1, res2, res3, res4, sep=r" \\\\ ")

---

六、random 可以做什么?🤔

random 的中文释义是 随机的 意思，那顾名思义干的就是一些随机的活

1)、抽个奖压压惊

抽奖类问题是 随机 最常见的实际应用之一，在上面的方法演示中也提到过了抽奖

a. 先来看看常见思维的写法，循环需要的奖项，在每次循环中将其进行抽取各奖项的获奖者

def get_winners(items: list, level: dict):
    """
    抽取获奖者传统思维写法
    :param items: 参与人员列表
    :param level: 获奖级别信息
    :return: 获奖结果
    """
    res = {}
    for i in level.keys():
        item = random.sample(arr, level[i])        # 随机选取指定数量的元素
        for d in item:                             # 遍历选取结果并删除
            items.remove(d)
        res[i] = item                              # 添加到结果字典中
    return res


arr = ["张三", "李四", "王五", "罗翔", "Alex", "Jone", "Mark", "李华", "全蛋", "铁花"]
win_level = {"一等奖": 1, "二等奖": 3, "三等奖": 5}
print(get_winners(arr, win_level))

b. 在上面介绍过random.sample(population, k)方法，它是无重复随机抽样，运用这个无重复一次性把所有获奖抽出，再以前后顺序确定奖项即可

def get_winners(items: list, level: dict):
    """
    抽取获奖者以索引取法
    :param items: 参与人员列表
    :param level: 获奖级别信息
    :return: 获奖结果
    """
    target = random.sample(items, sum(level.values()))
    res, prev = {}, 0
    for i in level.keys():
        res[i] = target[prev: level[i] + prev]
        prev += level[i]
    return res


arr = ["张三", "李四", "王五", "罗翔", "Alex", "Jone", "Mark", "李华", "全蛋", "铁花"]
win_level = {"一等奖": 1, "二等奖": 3, "三等奖": 5}
print(get_winners(arr, win_level))

2)、猜号数

学习 Python 的同学很多都有接触过这个题目，猜号数问题算是最基础的 Python题目之一，这里咱就复习一下

a. 生成一个 1~100之间的随机数，判断用户输入的数值是否与生成的随机数想等，如果大于这个值或小于这个值，应当提醒用户

其中 c_print() 函数作用用于颜色打印，详情可以参考我关于 颜色打印 的文章

def fuess_the_number():
    """
    猜数字小游戏, 无限制次数
    """
    target = random.randint(1, 100)						# 生成需要猜的目标值
    while True:
        enter = input("请输入需要您所猜的值:")
        if not enter.isdigit():							# 判断是否为数字
            c_print("请输入整数", color=31)
        elif not (100 >= (enter := int(enter)) >= 1):	# 判断范围是否在 1-100 之间
            c_print("请输入100-1之间的值", color=31)
        else:
            if enter > target:
                c_print("数值太大啦[再试试]", color=36)
            elif enter < target:
                c_print(以上是关于Python生成随机数的一个标准库-random的主要内容，如果未能解决你的问题，请参考以下文章
 
 Python3标准库：random伪随机数生成器
 Python 标准库之 random 生成伪随机数『详细』
 python标准库之random模块
 Python标准库 - random模块
 Python标准库 - random模块
 Python标准库12 数学与随机数 (math包，random包)