隨機(jī)數(shù)參與的應(yīng)用場(chǎng)景大家一定不會(huì)陌生抱究，比如密碼加鹽時(shí)會(huì)在原密碼上關(guān)聯(lián)一串隨機(jī)數(shù)战转，蒙特卡洛算法會(huì)通過隨機(jī)數(shù)采樣等等娃承。Python內(nèi)置的random模塊提供了生成隨機(jī)數(shù)的方法，使用這些方法時(shí)需要導(dǎo)入random模塊薛匪。
import random
下面介紹下Python內(nèi)置的random模塊的幾種生成隨機(jī)數(shù)的方法。
1脓鹃、random.random()隨機(jī)生成 0 到 1 之間的浮點(diǎn)數(shù)[0.0, 1.0)逸尖。注意的是返回的隨機(jī)數(shù)可能會(huì)是 0 但不可能為 1，即左閉右開的區(qū)間。
print("random: ", random.random())
#random: 0.5714025946899135
2冷溶、random.randint(a , b)隨機(jī)生成 a 與 b 之間的整數(shù)[a, b]渐白，a<=n<=b，隨機(jī)整數(shù)不包含 b 時(shí)[a, b)可以使用 random.randrange() 方法逞频。
print("randint: ", random.randint(6,8))
#randint: 8
3纯衍、random.randrange(start,stop,step)按步長(zhǎng)step隨機(jī)在上下限范圍內(nèi)取一個(gè)隨機(jī)數(shù)，start<=n<stop苗胀。
print("randrange: ",random.randrange(20,100,5))
#randrange: 85
4襟诸、random.uniform(a, b)隨機(jī)生成 a 與 b 之間的浮點(diǎn)數(shù)[a, b]，a<=n<=b基协。
print("uniform: ",random.uniform(5,10))
#uniform: 5.119790163375776
5歌亲、random.choice()從列表中隨機(jī)取出一個(gè)元素，比如列表澜驮、元祖陷揪、字符串等。注意的是杂穷，該方法需要參數(shù)非空悍缠，否則會(huì)拋出 IndexError 的錯(cuò)誤。
print("choice: ",random.choice("www.yuanxiao.net"))
#choice: y
6耐量、random.shuffle(items) 把列表 items 中的元素隨機(jī)打亂飞蚓。注意的是，如果不想修改原來的列表廊蜒，可以使用 copy 模塊先拷貝一份原來的列表趴拧。
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(jī)取出 n 個(gè)元素山叮。
num = [1, 2, 3, 4, 5]
print("sample: ",random.sample(num, 3))
#sample: [4, 1, 5]
Python 的random模塊產(chǎn)生的隨機(jī)數(shù)其實(shí)是偽隨機(jī)數(shù)著榴，依賴于特殊算法和指定不確定因素(種子seed)來實(shí)現(xiàn)。如randint方法生成一定范圍內(nèi)的隨機(jī)數(shù)屁倔，會(huì)先指定一個(gè)特定的seed兄渺，將seed通過特定的隨機(jī)數(shù)產(chǎn)生算法，得到一定范圍內(nèi)隨機(jī)分布的隨機(jī)數(shù)汰现。因此對(duì)于同一個(gè)seed值的輸入產(chǎn)生的隨機(jī)數(shù)會(huì)相同挂谍，省略參數(shù)則意味著使用當(dāng)前系統(tǒng)時(shí)間秒數(shù)作為種子值，達(dá)到每次運(yùn)行產(chǎn)生的隨機(jī)數(shù)都不一樣瞎饲。
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(gè)種子值口叙，產(chǎn)生的隨機(jī)數(shù)相同
print("random: ", random.random())
#random: 0.23796462709189137
numpy庫(kù)也提供了random模塊，用于生成多維度數(shù)組形式的隨機(jī)數(shù)嗅战。使用時(shí)需要導(dǎo)入numpy庫(kù)妄田。
import numpy as np
下面介紹下numpy庫(kù)的random模塊的幾種生成隨機(jī)數(shù)的方法俺亮。
1、numpy.random.rand(d0,d1,…,dn)
- rand函數(shù)根據(jù)給定維度生成[0,1]之間的數(shù)據(jù)疟呐，包含0脚曾，不包含1
- dn表格每個(gè)維度
- 返回值為指定維度的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]
[0.52184832 0.41466194]
[0.26455561 0.77423369]]]
"""
2、numpy.random.randn(d0,d1,…,dn)
- randn函數(shù)返回一個(gè)或一組樣本启具，具有標(biāo)準(zhǔn)正態(tài)分布本讥。
- dn表格每個(gè)維度
- 返回值為指定維度的array
- 標(biāo)準(zhǔn)正態(tài)分布—-standard normal distribution
- 標(biāo)準(zhǔn)正態(tài)分布又稱為u分布，是以0為均值鲁冯、以1為標(biāo)準(zhǔn)差的正態(tài)分布拷沸，記為N（0，1）薯演。
print("np.random.randn：\n {}".format(np.random.randn()))
# 當(dāng)沒有參數(shù)時(shí)撞芍，返回單個(gè)數(shù)據(jù)
"""
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(jī)整數(shù)跨扮，范圍區(qū)間為[low,high）序无，包含low，不包含high
- 參數(shù)：low為最小值衡创，high為最大值帝嗡，size為數(shù)組維度大小，dtype為數(shù)據(jù)類型钧汹，默認(rèn)的數(shù)據(jù)類型是np.int
- high沒有填寫時(shí)丈探，默認(rèn)生成隨機(jī)數(shù)的范圍是[0录择，low]
print("np.random.randint：\n {}".format(np.random.randint(1,size=5)))
# 返回[0,1)之間的整數(shù)拔莱，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(gè)[1,5)時(shí)間的隨機(jī)整數(shù)
"""
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(jī)數(shù)據(jù)可預(yù)測(cè)隘竭。
- 當(dāng)我們?cè)O(shè)置相同的seed塘秦，每次生成的隨機(jī)數(shù)相同。如果不設(shè)置seed动看，則每次會(huì)生成不同的隨機(jī)數(shù)
