作者:小伍哥
来源: AI入门学习
今天给大家纤细介绍下python中的随机模块,随机数可以用于数学,游戏,安全等领域中,还经常被嵌入到算法中,用以提高算法效率,并提高程序的安全性。平时数据分析各种分布的数据构造也会用到。
random模块,用于生成伪随机数,之所以称之为伪随机数,是因为真正意义上的随机数(或者随机事件)在某次产生过程中是按照实验过程中表现的分布概率随机产生的,其结果是不可预测的,是不可见的。而计算机中的随机函数是按照一定算法模拟产生的,对于正常随机而言,会出现某个事情出现多次的情况。
但是伪随机,在事情触发前设定好,就是这个十个事件各发生一次,只不过顺序不同而已。现在MP3的随机列表就是用的伪随机,把要播放的歌曲打乱顺序,生成一个随机列表而已,每个歌曲都播放一次。真实随机的话,会有出现某首歌多放次的情况,歌曲基数越多,重放的概率越大。
注意:random()是不能直接访问的,需要导入 random 模块,然后通过 random 静态对象调用该方法。
import randomlist(dir(random))['BPF', 'LOG4','NV_MAGICCONST','RECIP_BPF','Random','SG_MAGICCONST','SystemRandom','TWOPI','betavariate','choice','choices','expovariate','gammavariate','gauss','getrandbits','getstate','lognormvariate','normalvariate','paretovariate','randint','random','randrange','sample','seed','setstate','shuffle','triangular','uniform','vonmisesvariate','weibullvariate']
import random import matplotlib.pyplot as plt import seaborn as sns
01 random
描述:random.random() 用于生成一个0到1的随机符点数: 0 <= n < 1>
语法:random.random()
#生成一个随机数 random.random() 0.7186311708109537 #生成一个4位小数的随机列表 [round(random.random(),4) for i in range(10)] [0.1693, 0.4698, 0.5849, 0.6859, 0.2818, 0.216, 0.1976, 0.3171, 0.2522, 0.8012] #生成一串随机数 for i in range(10): print(random.random()) 0.4386055639247348 0.4394437853977078 0.231862963682833 0.6483168963553342 0.12106581255811855 0.7043874986531355 0.38729519658498623 0.6492256157170393 0.463425050933564 0.2298431522075462
02 choice
描述:从非空序列seq中随机选取一个元素。如果seq为空则弹出 IndexError异常。
语法:random.choice( seq)seq 可以是一个列表,元组或字符串。
L = [0,1,2,3,4,5] random.choice(L) 2 L = 'wofeichangshuai' random.choice(L) 'h'
03 choices
描述:从集群中随机选取k次数据,返回一个列表,可以设置权重。
注意每次选取都不会影响原序列,每一次选取都是基于原序列。
语法:random.choices(population,weights=None,*,cum_weights=None,k=1)
参数:
a = [1,2,3,4,5] random.choices(a,k=5) [2, 5, 2, 1, 3] random.choices(a,weights=[0,0,1,0,0],k=5) [3, 3, 3, 3, 3] random.choices(a,weights=[1,1,1,1,1],k=5) [3, 1, 5, 2, 2] #多次运行,5被抽到的概率为0.5,比其他的都大 random.choices(a,weights=[0.1,0.1,0.2,0.3,0.5],k=5) [5, 4, 4, 4, 2] random.choices(a,weights=[0.1,0.1,0.2,0.3,0.5],k=5) [5, 4, 5, 5, 2] random.choices(a,weights=[0.1,0.1,0.2,0.3,0.5],k=5) [5, 2, 2, 5, 5] random.choices(a,cum_weights=[1,1,1,1,1],k=5) [1, 1, 1, 1, 1] 对每一条语句不妨各自写一个循环语句让它输出个十遍八遍的,你就足以看出用法了。 结论:参数weights设置相对权重,它的值是一个列表, 设置之后,每一个成员被抽取到的概率就被确定了。 比如weights=[1,2,3,4,5],那么第一个成员的概率就是P=1/(1+2+3+4+5)=1/15。 cum_weights设置累加权重,python会自动把相对权重转换为累加权重, 即如果你直接给出累加权重,那么就不需要给出相对权重,且Python省略了一步执行。 比如weights=[1,2,3,4],那么cum_weights=[1,3,6,10], 这也就不难理解为什么cum_weights=[1,1,1,1,1]输出全是第一。
04 getrandbits
描述:返回一个不大于K位的Python整数(十进制),比如k=10,则结果在0~2^10之间的整数。
语法:random.getrandbits(k)
random.getrandbits(10) 379
05 getstate
描述:返回一个捕获到的 生成器当前内部状态 的对象,可以将此对象传递给 setstate()以恢复到这个状态。
语法:random.getstate()
06 setstate
描述:state 应该是从之前调用 getstate() 获得的,而 setstate() 将生成器的内部状态恢复到调用 getstate() 时的状态。根据下面的例子可以看出,由于生成器内部状态相同时会生成相同的下一个随机数,我们可以使用 getstate() 和 setstate() 对生成器内部状态进行获取和重置到某一状态下。
语法:random.setstate(state)
state = random.getstate() random.random() 0.489148634943 random.random() 0.22359638172661822 random.setstate(state) random.random() 0.48914863494
07 randint
描述:用于生成一个指定范围内的整数。
语法:random.randint(a, b),其中参数a是下限,参数b是上限,生成的随机数n: a <= n <= b
random.randint(1, 8) 3 random.randint(1, 8) 4
08 randrange
描述:按指定基数递增的集合中 获取一个随机数。如:random.randrange(10, 100, 2),结果相当于从[10, 12, 14, 16, … 96, 98]序列中获取一个随机数,random.randrange(10, 100, 2)在结果上与 random.choice(range(10, 100, 2) 等效。
语法:random.randrange([start], stop[, step])
#不限制 [random.randrange(0,11) for i in range(5)] [4, 6, 3, 9, 5] #随机偶数,运行5个数 [random.randrange(0,11,2) for i in range(5)] [2, 4, 8, 8, 6]
09 sample
描述:从population样本或集合中随机抽取K个不重复的元素形成新的序列。常用于不重复的随机抽样。返回的是一个新的序列,不会破坏原有序列。要从一个整数区间随机抽取一定数量的整数,请使用sample(range(1000000), k=60)类似的方法,这非常有效和节省空间。如果k大于population的长度,则弹出ValueError异常。
语法:random.sample(population, k)
注意:与random.choices()的区别:一个是选取k次,一个是选取k个,选取k次的相当于选取后又放回,选取k个则选取后不放回。故random.sample()的k值不能超出集群的元素个数。
random.sample(range(1000), k=5) [82, 678, 664, 177, 376] L = [0,1,2,3,4,5] random.sample(L,3) [5, 3, 1] random.sample(L,3) [2, 4, 5]
10 seed
描述:初始化伪随机数生成器。如果未提供a或者a=None,则使用系统时间为种子。如果a是一个整数,则作为种子。伪随机数生成模块。如果不提供 seed,默认使用系统时间。使用相同的 seed,可以获得完全相同的随机数序列,常用于算法改进测试。
语法:random.seed(a=None, version=2)
a = random.Random() a.seed(1) [a.randint(1, 100) for i in range(20)] [14, 85, 77, 26, 50, 45, 66, 79, 10, 3, 84, 44, 77, 1, 45, 73, 23, 95, 91, 4] b =random.Random() b.seed(1) [b.randint(1, 100) for i in range(20)] [14, 85, 77, 26, 50, 45, 66, 79, 10, 3, 84, 44, 77, 1, 45, 73, 23, 95, 91, 4]
11 shuffle
描述:用于将一个列表中的元素打乱。只能针对可变的序列,对于不可变序列,请使用下面的sample()方法。
语法:random.shuffle(x)
L = [0,1,2,3,4,5] random.shuffle(L) L[5, 4, 1, 0, 3, 2]
——热门课程推荐:
想从事业务型数据分析师,您可以点击>>>“数据分析师”了解课程详情;
想从事大数据分析师,您可以点击>>>“大数据就业”了解课程详情;
想成为人工智能工程师,您可以点击>>>“人工智能就业”了解课程详情;
想了解Python数据分析,您可以点击>>>“Python数据分析师”了解课程详情;
想咨询互联网运营,你可以点击>>>“互联网运营就业班”了解课程详情;
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14