python--隨機數(shù)

python中隨機數(shù)的相關操作谒获,可以使用自帶的random模塊或者是numpy模塊。

random 模塊

random模塊是python自帶的模塊琅锻,包含了一些常用的簡單的隨機數(shù)生成方法。

浮點數(shù)

import random
# 生成[0件豌,1)之間的一個隨機浮點數(shù)
random.random()
0.4357873596360974
# 生成指定范圍的一個隨機浮點數(shù)
random.uniform(1, 2)
1.1537731999982404

整數(shù)

# 生成指定范圍(閉區(qū)間)的一個隨機整數(shù)
random.randint(1, 10)
5
# 生成指定范圍和加步長的一個隨機整數(shù)
random.randrange(1, 10, 2)
9

抽樣

# 從指定序列中隨機抽取一個元素
random.choice([1, 2, 3.14])
2
# 從指定序列中抽取多個元素(不重復抽樣)
random.sample('abcde', 3)
['b', 'a', 'e']
# 打亂一個序列
s = [1, 2, 3, 4]
random.shuffle(s)
print(s)
[2, 4, 1, 3]

numpy模塊

numpy模塊是python中最常用的模塊之一,其中的子模塊numpy.random又包含了隨機數(shù)的各種操作窖式。

浮點數(shù)

import numpy as np
# 生成[0哼丈,1)之間的一維隨機浮點數(shù)數(shù)組
np.random.random(4)
array([0.26922045, 0.45338468, 0.2667209 , 0.62255286])
# 生成[0匈棘,1)之間的多維隨機浮點數(shù)數(shù)組
np.random.random((4, 3))
array([[0.19398982, 0.28693448, 0.57941031],
       [0.8386064 , 0.02942627, 0.24896634],
       [0.41525009, 0.58052572, 0.23733985],
       [0.94862836, 0.08157939, 0.45101497]])
# 指定范圍的一維隨機浮點數(shù)數(shù)組
np.random.uniform(1, 10, 4)
array([1.20032726, 3.96783835, 1.56162943, 3.64595038])
# 指定范圍的多維隨機浮點數(shù)數(shù)組
np.random.uniform(1, 10, (4, 3))
array([[2.59379072, 4.33796891, 5.65677283],
       [5.9281816 , 7.9627333 , 5.86462996],
       [9.20429634, 3.87825153, 1.0633509 ],
       [3.05536621, 2.70043624, 1.01325468]])

整數(shù)

# 生成指定范圍的一維隨機整數(shù)數(shù)組
np.random.randint(1, 10, 4)
array([6, 2, 5, 4])
# 生成指定范圍的多維隨機整數(shù)數(shù)組
np.random.randint(1, 10, (4, 3))
array([[3, 1, 7],
       [9, 9, 3],
       [7, 7, 9],
       [9, 2, 7]])

標準正常分布

# 一維標準正常分布隨機數(shù)組
np.random.randn(4)
array([ 1.19227094,  0.34559607, -0.21750576, -1.05699877])
# 多維標準正常分布隨機數(shù)組
np.random.randn(4, 3)
array([[-0.83280524, -1.47272864, -0.28597398],
       [ 0.33624646, -0.08334389, -0.40325762],
       [-1.01388086, -0.57192697, -0.41757606],
       [-0.56878021, -0.0628198 ,  1.64388134]])

標準均勻分布

# 一維均勻分布隨機數(shù)組
np.random.rand(4)
array([0.83412867, 0.6799971 , 0.15787732, 0.489973  ])
# 多維均勻分布隨機數(shù)組
np.random.rand(4, 3)
array([[0.94274586, 0.43957687, 0.34122111],
       [0.90172271, 0.30332525, 0.49575208],
       [0.15603219, 0.52114122, 0.32769766],
       [0.4088528 , 0.45364653, 0.27336764]])

抽樣

# 從指定序列抽取多個元素(默認重復抽樣)
np.random.choice(5,3)
array([3, 0, 3])
# 從指定序列抽取多個元素(不重復抽樣)
np.random.choice(5,3,replace=False)
array([0, 2, 1])
# 打亂一個序列
s=np.arange(10)
np.random.shuffle(s)
print(s)
[0 3 1 5 6 8 7 2 9 4]
?著作權歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末虐沥,一起剝皮案震驚了整個濱河市然低,隨后出現(xiàn)的幾起案子刚照,更是在濱河造成了極大的恐慌,老刑警劉巖蚯斯,帶你破解...
    沈念sama閱讀 219,589評論 6 508
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件撇他,死亡現(xiàn)場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機例证,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,615評論 3 396
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來芳杏,“玉大人,你說我怎么就攤上這事郭膛〕柯眨” “怎么了?”我有些...
    開封第一講書人閱讀 165,933評論 0 356
  • 文/不壞的土叔 我叫張陵则剃,是天一觀的道長耘柱。 經(jīng)常有香客問我,道長棍现,這世上最難降的妖魔是什么调煎? 我笑而不...
    開封第一講書人閱讀 58,976評論 1 295
  • 正文 為了忘掉前任,我火速辦了婚禮己肮,結(jié)果婚禮上士袄,老公的妹妹穿的比我還像新娘。我一直安慰自己谎僻,他們只是感情好娄柳,可當我...
    茶點故事閱讀 67,999評論 6 393
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著艘绍,像睡著了一般赤拒。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上诱鞠,一...
    開封第一講書人閱讀 51,775評論 1 307
  • 那天挎挖,我揣著相機與錄音,去河邊找鬼航夺。 笑死蕉朵,一個胖子當著我的面吹牛,可吹牛的內(nèi)容都是我干的阳掐。 我是一名探鬼主播墓造,決...
    沈念sama閱讀 40,474評論 3 420
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼锚烦!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起帝雇,我...
    開封第一講書人閱讀 39,359評論 0 276
  • 序言:老撾萬榮一對情侶失蹤涮俄,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后尸闸,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體彻亲,經(jīng)...
    沈念sama閱讀 45,854評論 1 317
  • 正文 獨居荒郊野嶺守林人離奇死亡孕锄,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 38,007評論 3 338
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了苞尝。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片畸肆。...
    茶點故事閱讀 40,146評論 1 351
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖宙址,靈堂內(nèi)的尸體忽然破棺而出轴脐,到底是詐尸還是另有隱情,我是刑警寧澤抡砂,帶...
    沈念sama閱讀 35,826評論 5 346
  • 正文 年R本政府宣布大咱,位于F島的核電站,受9級特大地震影響注益,放射性物質(zhì)發(fā)生泄漏碴巾。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 41,484評論 3 331
  • 文/蒙蒙 一丑搔、第九天 我趴在偏房一處隱蔽的房頂上張望厦瓢。 院中可真熱鬧,春花似錦啤月、人聲如沸煮仇。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,029評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽欺抗。三九已至,卻和暖如春强重,著一層夾襖步出監(jiān)牢的瞬間绞呈,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 33,153評論 1 272
  • 我被黑心中介騙來泰國打工间景, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留佃声,地道東北人。 一個月前我還...
    沈念sama閱讀 48,420評論 3 373
  • 正文 我出身青樓倘要,卻偏偏與公主長得像圾亏,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子封拧,可洞房花燭夜當晚...
    茶點故事閱讀 45,107評論 2 356

推薦閱讀更多精彩內(nèi)容