6.6 random--伪随机数的生成
Posted
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了6.6 random--伪随机数的生成相关的知识，希望对你有一定的参考价值。
本模块提供了生成要求安全度不高的随机数。假设须要更高安全的随机数产生。须要使用os.urandom()或者SystmeRandom模块。
random.seed(a=None, version=2)
初始化随机数据的种子数值。假设a是None值，会取採用当前系统时间作为种子值。假设a是一个int类型的值。则会直接使用。參数version是版本号兼容，假设为版本号2时，对于str。bytes。bytearray採用int类型返回；在版本号1时，採用hash()返回。
样例：
#python 3.4
from random import *
r = seed()
print(r)
r = random()
print(r)
r = random()
print(r)
结果输出例如以下：
None
0.25563594631743225
0.8596359931999921
random.getstate()
获取当前随机数的环境状态，以便下次再使用。
样例：
#python 3.4
from random import *
r = seed()
print(r)
r = getstate()
print(r)
结果输出例如以下：
None
(3, (2147483648, 1806585935, 2218797231, 963762379, 2448530300, 4223961651, 2167919184, 3727107355, 2403035413,
...
1296424577, 1100183651, 306611027, 444923926, 1168100930, 624), None)
random.setstate(state)
恢复上一次获取的状态，上次的状态使用getstate()来获取。
样例：
#python 3.4
from random import *
r = seed()
print(r)
r = getstate()
print(random())
setstate(r)
print(random())
结果输出例如以下：
None
0.38424833141530745
0.38424833141530745
random.getrandbits(k)
返回指定k位数的随机整数值。
样例：
#python 3.4
from random import *
r = seed()
r = getrandbits(4)
print(r)
r = getrandbits(4)
print(r)
结果输出例如以下：
4
9
random.randrange(stop)
random.randrange(start, stop[, step])
返回一个指定范围内的随机值。stop是最大值的整数边界。start是起始值。step是每一个值之间的间隔。返回的值大于等于start，小于stop。
样例：
#python 3.4
from random import *
r = seed()
r = randrange(5)
print(r)
r = randrange(0, 10, 2)
print(r)
结果输出例如以下：
2
8
random.randint(a, b)
返回一个整数，它的范围是a <= N <=b。
样例：
#python 3.4
from random import *
r = seed()
r = randint(1, 2)
print(r)
r = randint(1, 2)
print(r)
结果输出例如以下：
2
1
random.choice(seq)
从一个非空的序列里返回一个元素，假设为空的序列就抛出异常InexError。
样例：
#python 3.4
from random import *
r = seed()
r = choice([‘a‘, ‘b‘, ‘c‘])
print(r)
r = choice([‘a‘, ‘b‘, ‘c‘])
print(r)
结果输出例如以下：
c
a
random.shuffle(x[, random])
对序列x进行随机移动元素的位置。
可选參数random是一个返回随机浮点数[0.0, 1.0)之间的函数。
样例：
#python 3.4
from random import *
r = seed()
l = [‘a‘, ‘b‘, ‘c‘, ‘d‘]
print(l)
r = shuffle(l)
print(r, l)
结果输出例如以下：
[‘a‘, ‘b‘, ‘c‘, ‘d‘]
None [‘b‘, ‘d‘, ‘a‘, ‘c‘]
random.sample(population, k)
从序列population里随机地返回k个元素的序列。
样例：
#python 3.4
from random import *
r = seed()
l = [‘a‘, ‘b‘, ‘c‘, ‘d‘]
print(l)
r = sample(l, 3)
print(r)
结果输出例如以下：
[‘a‘, ‘b‘, ‘c‘, ‘d‘]
[‘c‘, ‘a‘, ‘b‘]
random.random()
返回范围在[0.0, 1.0)之间的随机浮点数。
样例：
#python 3.4
from random import *
r = seed()
r = random()
print(r)
结果输出例如以下：
0.3916060348292988
random.uniform(a, b)
在a和b区间返回一个随机浮点数。假设a <= b则返回 a <= N <= b。假设 b < a则返回b <= N <= a。
样例：
#python 3.4
from random import *
r = seed()
r = uniform(1.0, 2.5)
print(r)
r = uniform(8.0, 2.5)
print(r)
结果输出例如以下：
1.6498941793878243
4.22188785768826
random.triangular(low, high, mode)
返回三角形分布的随机数， low <= N <= high。參数mode指明众数出现位置。
样例：
#python 3.4
from random import *
r = seed()
r = triangular(-3, 8, 0.8)
print(r)
r = triangular(-3, 8, 10)
print(r)
结果输出例如以下：
1.5058316902823226
0.27606363975774073
random.betavariate(alpha, beta)
返回 beta分布的随机数，參数alpha是大于0的值，參数beta是大于0的值。返回值的区间在0和1之间。
样例：
#python 3.4
from random import *
r = seed()
r = betavariate(1, 2)
print(r)
r = betavariate(1, 2)
print(r)
结果输出例如以下：
0.11852634010531515
0.029427309916706654
random.expovariate(lambd)
返回指数分布的随机数。
參数lambd是正值。刚从0到正无限大的值。參数lambd是负值。则返回负无穷大到0的值。
样例：
#python 3.4
from random import *
r = seed()
r = expovariate(1)
print(r)
r = expovariate(-3)
print(r)
结果输出例如以下：
0.2003044059401706
-0.1785055187658876
random.gammavariate(alpha, beta)
伽玛分布的随机数。
x ** (alpha - 1) * math.exp(-x / beta)
pdf(x) = --------------------------------------
math.gamma(alpha) * beta ** alpha
样例：
#python 3.4
from random import *
r = seed()
r = gammavariate(1, 2)
print(r)
r = gammavariate(1, 2)
print(r)
结果输出例如以下：
0.5413328891492575
4.139239480698503
random.gauss(mu, sigma)
返回高斯分布的随机数。
參数mu是一个平均数，sigma是绝对偏差。
样例：
#python 3.4
from random import *
r = seed()
r = gauss(1, 2)
print(r)
r = gauss(1, 2)
print(r)
结果输出例如以下：
2.8846358328647543
-0.7848726717436769
random.lognormvariate(mu, sigma)
对数分布的随机数。mu是一个平均数，sigma是一个绝对偏差。
样例：
#python 3.4
from random import *
r = seed()
r = lognormvariate(1, 2)
print(r)
r = lognormvariate(1, 2)
print(r)
结果输出例如以下：
3.4904102483152704
1.7560462679767879
random.normalvariate(mu, sigma)
正态分布的随机数。參数mu是一个平均数。sigma是标准方差。
样例：
#python 3.4
from random import *
r = seed()
r = normalvariate(1, 2)
print(r)
r = normalvariate(1, 2)
print(r)
结果输出例如以下：
1.7317832780485172
2.1163922446170247
random.vonmisesvariate(mu, kappa)
返回冯米塞斯分布的随机数。參数mu是平均角度，使用弧度表示，范围在0到2*pi之间。
參数kappa是集中程度參数。是一个大于等于0的值。
样例：
#python 3.4
from random import *
r = seed()
r = vonmisesvariate(1, 2)
print(r)
r = vonmisesvariate(1, 2)
print(r)
结果输出例如以下：
0.9831582967095295
2.3340486646429404
random.paretovariate(alpha)
返回帕累托分布的随机数。參数alpha是一个模型參数。
样例：
#python 3.4
from random import *
r = seed()
r = paretovariate(2)
print(r)
r = paretovariate(2)
print(r)
结果输出例如以下：
1.1031942255648155
2.3128974772541597
random.weibullvariate(alpha, beta)
返回韦伯分布的随机数。參数alpha是缩放系统，參数beta是模型參数。
样例：
#python 3.4
from random import *
r = seed()
r = weibullvariate(2, 1)
print(r)
r = weibullvariate(2, 1)
print(r)
结果输出例如以下：
1.1790484913990984
5.519287151687428
class random.SystemRandom([seed])
使用操作系统底层产生随机数，可是不是全部系统平台都是可用的。
样例：
#python 3.4
from random import *
r = SystemRandom()
print(r)
print(r.random())
结果输出例如以下：
<random.SystemRandom object at 0x03180070>
0.466491601955791
蔡军生 QQ:9073204 深圳
以上是关于6.6 random--伪随机数的生成的主要内容，如果未能解决你的问题，请参考以下文章