Python学习-----随机数篇

目录

 一.随机数字

1.随机整数

（1）包含上下限（闭区间）

（2）包含下限，不包含上限（下闭上开）

（3）设置步长（间隔）

randint与randrange区别

2.随机浮点数

（1）0~1之间的浮点数

（2）随机浮点数[a,b]

二.有序序列随机值

1.随机获取单个数据结果

 2.随机获取多个数据结果

（1）一次取一个，多次取（抛硬币法则，二项分布）

 （2）一次获取多个（离散型分布）

choices与sample区别

3.随机打乱序列的顺序（是可变序列）

三.随机数种子

---

 一.随机数字

需要导入的库 

import random

1.随机整数

（1）包含上下限（闭区间）

获取一个下限为a，上限为b的随机整数[a,b]

random.randint(a,b)

import random
#示例
a=random.randint(89,88)
print(a)

注意事项：下限不可以大于上限，否则会报错

（2）包含下限，不包含上限（下闭上开）

获取一个下限闭区间为a，上限开区间为b的随机整数[a,b)

random.randrange(a,b)

#示例
import random
a=random.randrange(12,55)
print(a)

（3）设置步长（间隔）

获取一个下限闭区间为a，上限开区间为b的随机整数[a,b)，同时步长为step

random.randrange(a,b,step)

举个例子：获取0~100之间的随机数，同时步长为2， 可以random.randrange(0,100,2)，那么输出结果应该是0,2,4,5,6,8,10,12………98，注意100是取不到的哦，是开区间

#示例
import random
a=random.randrange(12,99,2)
print(a)

randint与randrange区别

randint两边是闭区间；randrange左边是闭区间，右边是开区间

randint不可以设置步长；randrange可以设置步长

2.随机浮点数

（1）0~1之间的浮点数

获取一个0~1之间的浮点数

random.random()

import random
a=random.random()
print(a)

（2）随机浮点数[a,b]

获取一个下限为a，上限为b的浮点数（都是闭区间）

random.uniform(a, b)

 random.uniform(a, b)是允许下限大于上限的，不会报错，两边取闭区间。

import random
a=random.uniform(12,33) #获取一个12~33之间的浮点数
a=random.uniform(33,12) #获取一个12~33之间的浮点数
print(a)

二.有序序列随机值

需要导入的库 

import random

1.随机获取单个数据结果

在一个有序序列里面，获取一个其中单个数据（有序序列包括字符串、列表、元组等等）

random.choice(有序序列)，例如：random.choice([1,'wad',5,8])

获取的数据类型是根据数据实际类型去定义的，比如：获取到了 8 那么就是int类型；获取到了'wad' 那就是str类型

import random
print(random.choice('abcdef'))   #字符串
print(random.choice((12,'kk','蔡徐坤','只因')))  #元组
print(random.choice(['李白','韩信','孙悟空','百里玄策'])) #列表
print(random.choice([1,'wad',5,8]))  #列表

输出结果：

 2.随机获取多个数据结果

（1）一次取一个，多次取（抛硬币法则，二项分布）

获取一个有序序列中多个数据，而且每次取其中一个数据，获取多次random.choices(li,weights,k)

注释：其中 li是有序序列名字，weights 是表示概率（如果不设置就默认每个数据被取到的概率相同），k 是表示获取次数

这个函数获取的所有数据是放到一个集合的，都是列表类型(除元组外)，而且数据结果可能重复相等

示例1：

如果使用 random.choices 时没有设置weights和k的值，那么默认获取一个数据，而且每个数据被获取的概率都是相等的

import random
li=[False,77,'蔡徐坤',3.1415,'IKUN']
print(random.choices(li))
print(type(random.choices(li)))

 示例2：

如果设置了获取次数k的值，没有设置weights的值，那就是每次获取一个数据，次数为k，而且每个数据的被获取概率都相等（抛硬币法则） 

import random
li=[False,77,'蔡徐坤',3.1415,'IKUN']
print(random.choices(li,k=2))
print(type(random.choices(li,k=2)))

 示例3：

自定义数据被获取概率的值weights和获取次数的值

import random
li=[False,77,'蔡徐坤',3.1415,'IKUN']
#这里定义这5个数据被获取的概率是8:1:2:3:2 ,获取次数为3
print(random.choices(li,weights=[8,1,2,3,2],k=3))

 示例4：

即使li 是字符串(str)，但是获取的结果还是列表类型;但是如果是元组类型的话，那么获取的结果就是元组类型(tuple)了

import random
li='12345'
gg=(520,'蔡徐坤',3.3,True,888)
print(type(gg))
print(random.choices(li,weights=[8,1,2,3,2],k=2))
print(type(random.choices(li,weights=[8,1,2,3,2],k=2)))

 （2）一次获取多个（离散型分布）

一次性获取一个有序序列中多个数据

random.sample(li,k)

注释：其中li是列表名字，k是获取个数

这个函数获取的所有数据不存在重复的情况，是直接一次性获取k个数据（离散型分布），当然，结果类型也都是列表类型

import random
tupl=('1123',55,3.14,'好兆头')
li=[520,'蔡徐坤',3.3,True,888]
a=random.sample(li,k=3) #一次性获取3个数据
b=random.sample(tupl,k=2)
print(a,type(a))
print(b,type(b))

这里我们可以看到，用sample随机获取列表或者元组的数据，结果类型都是列表类型 

 注意事项：这个函数是一次性选择多个的，所以序列里面的数据格式必须大于选择个数，否则就会报错

choices与sample区别

1.choices是每次随机选择一个数据，可以选择多次，数据可能出现重复；而sample是一次性选择多个数据，数据不可能重复。

2.choices是可以设置数据被选择的概率的，而sample是不可以的

3.choices的数据个数是可以小于选择次数的，而sample的数据格式是不可以小于选择个数的

4.choices随机获取元组的数据，得到的结果数据类型还是元组类型（tuple），而sample得到的结果都是列表类型（list）

3.随机打乱序列的顺序（是可变序列）

已知一个列表，我想打乱这个列表的排列顺序，然后重新输出结果

random.shuffle(列表名)
注意事项：被打乱的序列必须是可变的，比如列表，如果是元组的话就会报错，因为元组是不可修改的

 这个函数是直接返回已经被打乱好的列表，然后覆盖到原来的列表，所以我们直接输出原来的列表名字就行了

 示例：

import random
li=['中国','美国','英国','日本','法国','俄罗斯']
random.shuffle(li)
print(li)

三.随机数种子

 需要导入的库 

import random

之前在学习C语言的时候我们接触过了随机数种子，这个种子是根据此时此刻的时间来产生与之相对应的随机数，因为时间是一直在向前走的，所以每一次产生的随机数都是不一样的，而在Python中也有随机数种子，但是与C语言不同的是，在Python每次产生的随机数本身就是随着时间变化，而产生不同的随机数，所以Python的随机数种子跟C语言的不一样，实际上是一种定时间的功能，设立随机数种子来保证每次产生的随机数都是具有可知性的

random.seed(时间数)

不同的时间数，产生的随机数是不一样的，但是如果是同一个时间数，那么产生的数据是一样的

 示例：
 

import random
random.seed(12)
li=('哈哈',56,3.221,False,'250')
a=random.choice(li)
print(a,type(a))

 

 实际上每次输出的结果都是一样的，如果我们把随机数种子的时间数改为其他的话，那么产生的随机数据就不一样了

 

小伙伴们，学会了吗？是不是很有意思呢！

送一张壁纸给大家