Python 内置模块之 random
random 库是 Python 中生成随机数的标准库，包含的函数清单如下：
- 基本随机函数：
seed、random、getstate、setstate； - 扩展随机函数：
randint、getrandbits、randrange、choice、shuffle、sample； - 分布随机函数：
uniform、triangular、betavariate、expovariate、gammavariate、gauss、lognormvariate、normalvariate、vonmisesvariate、paretovariate、weibullvariate。
发现单词 variate 出现频率比较高，该但是是变量的意思。
基本随机函数
seed 与 random 函数
seed 函数初始化一个随机种子，默认是当前系统时间。
random 函数 生成一个 [0.0,1.0) 之间的随机小数 。
具体代码如下：
import random
random.seed(10)
x = random.random()
print(x)
其中需要说明的是 random.seed 函数， 通过 seed 函数 可以每次生成相同的随机数，例如下述代码：
import random
random.seed(10)
x = random.random()
print(x)
random.seed(10)
y = random.random()
print(y)
在不同的代码上获取到的值是不同的，但是 x 与 y 是相同的。
0.5714025946899135
0.5714025946899135
getstate() 和 setstate(state)
getstate 函数用来记录随机数生成器的状态，setstate 函数用来将生成器恢复到上次记录的状态。
# 记录生成器的状态
state_tuple = random.getstate()
for i in range(4):
print(random.random())
print("*"*10)
# 传入参数后恢复之前状态
random.setstate(state_tuple)
for j in range(4):
print(random.random())
输出的随机数两次一致。
0.10043296140791758
0.6183668665504062
0.6964328590693109
0.6702494141830372
**********
0.10043296140791758
0.6183668665504062
0.6964328590693109
0.6702494141830372
扩展随机函数
random 扩展随机函数有如下几个：
randint`、`getrandbits`、`randrange`、`choice`、`shuffle`、`sample
randint 和 randrange
randint 生成一个 [x,y] 区间之内的整数。
randrange 生成一个 [m,n) 区间之内以 k 为步长的随机整数。
测试代码如下：
x = random.randint(1,10)
print(x)
y = random.randrange(1,10,2)
print(y)
这两个函数比较简单，randint 函数原型如下：
random.randint(start,stop)
参数 start 表示最小值，参数 stop 表示最大值，两头都是闭区间，也就是 start 和 stop 都能被获取到。
randrange 函数原型如下：
random.randrange(start,stop,step)
如果函数调用时只有一个参数，默认是从 0 到该参数值，该函数与 randint 区别在于，函数是左闭右开，最后一个参数是步长。
查阅效果，可以复制下述代码运行：
for i in range(3):
print("*"*20)
print(random.randrange(10))
print(random.randrange(5,10))
print(random.randrange(5,100,5))
getrandbits(k) 和 choice(seq)
getrandbits 生成一个 k 比特长的随机整数，实际输出的是 k 位二进制数转换成的十进制数。
choice 从序列中随机选择一个元素。
x = random.getrandbits(5)
print(x)
# 生成的长度是 00000-11111
getrandbits(k) 函数可以简单描述如下：输出一个 KaTeX parse error: Undefined control sequence: \[ at position 1: \?[?0,2^k-1\] 范围内一个随机整数，k 表示的是 2 进制的位数。
choice 就比较简单了，从列表中返回一个随机元素。
import random
my_list = ["a", "b", "c"]
print(random.choice(my_list))
shuffle(seq) 和 sample(pop,k)
shuffle 函数用于将序列中的元素随机排序，并且原序列被修改。
sample 函数用于从序列或者集合中随机选择 k 个选择，原序列不变。
my_list = [1,2,3,4,5,6,7,8,9]
random.shuffle(my_list)
print(my_list)
shuffle 函数只能用于可变序列，不可变序列（如元组）会出现错误。
my_list = ["梦想", "橡皮擦", 1, 2, [3, 4]]
print(my_list)
ls = random.sample(my_list, 4)
print(ls)
分布随机函数
该部分涉及的比较多，重点展示重要和常见的一些函数。
uniform(a,b) 、betavariate 和 triangular 函数
uniform 生成一个 [a,b] 之间的随机小数，采用等概率分布。
betavariate 生成一个 [0,1] 之间的随机小数，采用 beta 分布。
triangular 生成一个 [low,high] 之间的随机小数，采用三角分布。
在使用 uniform 时候需要注意，如果 a<b，那么生成一个 b-a 之间的小数。
for i in range(3):
print(random.uniform(4, 1))
其它分布随机函数
以下都是生成随机数的方法，只是底层核心算法不同。
、、、、、、、。
expovariate：生成一个 (0,∞) 之间的随机整数，指数分布；gammavariate：采用 gamma 分布；gauss：采用高斯（正太）分布；lognormvariate：对数正太分布；normalvariate：正太分布；vonmisesvariate：冯米赛斯分布；paretovariate：帕累托分布；weibullvariate：韦伯分布。
这篇博客的总结
本篇博客学习了 Python 中随机数相关的知识点，希望对你有所帮助。
|