In diesem Artikel wird hauptsächlich der relevante Inhalt des Zufallsmoduls von Python vorgestellt, der einen gewissen Referenzwert hat. Ich hoffe, er kann jedem helfen.
Zufallsmodul
wird verwendet, um Pseudozufallszahlen zu generieren
Echte Zufallszahlen ( oder zufällige Ereignisse) werden in einem bestimmten Generierungsprozess entsprechend der im experimentellen Prozess gezeigten Verteilungswahrscheinlichkeit zufällig generiert, und die Ergebnisse sind unvorhersehbar und unsichtbar. Die Zufallsfunktion im Computer wird nach einem bestimmten Algorithmus simuliert und das Ergebnis ist sicher und sichtbar. Wir können davon ausgehen, dass die Wahrscheinlichkeit dieses vorhersehbaren Ergebnisses 100 % beträgt. Daher sind die von der Computer-Zufallsfunktion generierten „Zufallszahlen“ keine Zufallszahlen, sondern Pseudozufallszahlen.
Die Pseudozufallszahl des Computers ist ein Wert, der durch einen Zufallsstartwert nach einer bestimmten Berechnungsmethode berechnet wird. Solange die Berechnungsmethode sicher ist und der Zufallsstartwert sicher ist, sind die generierten Zufallszahlen daher fest.
Solange der Benutzer oder Dritte den Zufallsstartwert nicht festlegt, kommt der Zufallsstartwert standardmäßig von der Systemuhr.
Diese Python-Bibliothek verwendet im Grunde einen gemeinsamen Algorithmus. Nach Langzeittests kann nicht gesagt werden, dass sie zuverlässig ist, sie darf jedoch nicht für passwortbezogene Funktionen verwendet werden.
1. Grundlegende Methode
random.seed(a=None, version=2)<code>random.seed(a=None, version=2)<br>Initialisieren Sie den Pseudozufallszahlengenerator. Wenn a nicht angegeben ist oder a=None, wird die Systemzeit als Startwert verwendet. Wenn a eine ganze Zahl ist, wird sie als Startwert verwendet.
random.getstate()
Gibt ein Objekt des internen Zustands des aktuellen Generators zurück
random.setstate(state)<code>random.setstate(state)<br>Übergabe eines zuvor verwendeten getstate Das von der Methode erhaltene Statusobjekt stellt den Generator in diesem Status wieder her.
random.getrandbits(k)
Gibt eine Python-Ganzzahl (Dezimalzahl) zurück, die nicht größer als K Ziffern ist. Beispiel: k=10, das Ergebnis ist eine Ganzzahl zwischen 0 und 2^10.
2. Methoden für ganze Zahlen
random.randrange(stop)<code>random.randrange(stop)<br>
random.randrange(start, stop[, step])
entspricht choice(range(start, stop, step)), erstellt aber eigentlich kein Range-Objekt.
random.randint(a, b)
Gibt eine zufällige Ganzzahl N mit a <= N <= b zurück. Entspricht randrange(a, b+1)
3. Methoden für Sequenzklassenstrukturen
random.choice(seq)
Wählen Sie zufällig ein Element aus der nicht leeren Sequenz seq aus. Wenn seq leer ist, wird eine IndexError-Ausnahme angezeigt.
random.choices(population, weights=None, *, cum_weights=None, k=1)
Neu in Version 3.6. K-Elemente werden zufällig aus dem Populationscluster ausgewählt. Weights ist eine relative Gewichtsliste, cum_weights ist das kumulative Gewicht und die beiden Parameter können nicht gleichzeitig existieren.
random.shuffle(x[, random])
Mischen Sie die Reihenfolge der Elemente in der Reihenfolge x zufällig. Es kann nur für veränderliche Sequenzen verwendet werden. Für unveränderliche Sequenzen verwenden Sie bitte die unten stehende Methode sample().
random.sample(population, k)
Wählen Sie zufällig K einzigartige Elemente aus der Populationsstichprobe aus oder stellen Sie sie so ein, dass sie eine neue Sequenz bilden. Wird oft für Zufallsstichproben ohne Wiederholung verwendet. Zurückgegeben wird eine neue Sequenz, ohne die ursprüngliche Sequenz zu zerstören. Um zufällig eine bestimmte Anzahl von Ganzzahlen aus einem Ganzzahlbereich zu ziehen, verwenden Sie eine Methode wie sample(range(10000000), k=60), die sehr effizient und platzsparend ist. Wenn k größer als die Länge der Population ist, wird eine ValueError-Ausnahme angezeigt.
4. Wahre Wertverteilung
Die hochwertigste Funktion des Zufallsmoduls ist tatsächlich hier.
random.random()
Gibt eine Gleitkommazahl zwischen links geschlossen und rechts offen zurück [0,0, 1,0)
random.uniform(a, b)
Gibt eine Gleitkommazahl zwischen a und b gleitend zurück Punktnummer. Wenn a>b, handelt es sich um eine Gleitkommazahl zwischen b und a. Sowohl a als auch b können hier im Ergebnis erscheinen.
random.triangular(low, high, mode)
Gibt eine Zufallszahl aus der Dreiecksverteilung mit niedrig <= N <=hoch zurück. Der Modusparameter gibt die Position an, an der der Modus angezeigt wird.
random.betavariate(alpha, beta)
β-Verteilung. Das zurückgegebene Ergebnis liegt zwischen 0 und 1
random.expovariate(lambd)
Exponentielle Verteilung
random.gammavariate(alpha, beta)
Gammaverteilung
random.gauss (mu , Sigma)<code>random.gauss(mu, sigma)<br>Gaußsche Verteilung
random.lognormvariate(mu, sigma)
Lognormalverteilung
random.normalvariate(mu, sigma)
Normalverteilung
random.vonmisesvariate(mu, kappa)
Kappa-Verteilung
random.paretovariate(alpha)<code>random.paretovariate(alpha)<br>Pareto-Verteilung
random.weibullvariate(alpha, beta)
5 . Optionale Generatoren
class random.SystemRandom([seed])
Eine Klasse, die die Methode os.urandom() verwendet, um Zufallszahlen zu generieren, aber nicht alle Systeme unterstützen möglicherweise
6. Typische Beispiele
>>> random() # 随机浮点数: 0.0 <= x < 1.0 0.37444887175646646 >>> uniform(2.5, 10.0) # 随机浮点数: 2.5 <= x < 10.0 3.1800146073117523 >>> randrange(10) # 0-9的整数： 7 >>> randrange(0, 101, 2) # 0-100的偶数 26 >>> choice(['win', 'lose', 'draw']) # 从序列随机选择一个元素 'draw' >>> deck = 'ace two three four'.split() >>> shuffle(deck) # 对序列进行洗牌，改变原序列 >>> deck ['four', 'two', 'ace', 'three'] >>> sample([10, 20, 30, 40, 50], k=4) # 不改变原序列的抽取指定数目样本，并生成新序列 [40, 10, 50, 30] >>> # 6次旋转红黑绿*(带权重可重复的取样)，不破坏原序列 >>> choices(['red', 'black', 'green'], [18, 18, 2], k=6) ['red', 'green', 'black', 'black', 'red', 'black'] >>> # 德州扑克计算概率Deal 20 cards without replacement from a deck of 52 playing cards >>> # and determine the proportion of cards with a ten-value >>> # (a ten, jack, queen, or king). >>> deck = collections.Counter(tens=16, low_cards=36) >>> seen = sample(list(deck.elements()), k=20) >>> seen.count('tens') / 20 0.15 >>> # 模拟概率Estimate the probability of getting 5 or more heads from 7 spins >>> # of a biased coin that settles on heads 60% of the time. >>> trial = lambda: choices('HT', cum_weights=(0.60, 1.00), k=7).count('H') >= 5 >>> sum(trial() for i in range(10000)) / 10000 0.4169 >>> # Probability of the median of 5 samples being in middle two quartiles >>> trial = lambda : 2500 <= sorted(choices(range(10000), k=5))[2] < 7500 >>> sum(trial() for i in range(10000)) / 10000 0.7958
Das Folgende ist ein Programm zum Generieren eines zufälligen 4-stelligen Bestätigungscodes, der die Großbuchstaben A-Z und die Zahlen 0-9 enthält
import random
checkcode = ''
for i in range(4):
current = random.randrange(0,4)
if current != i:
temp = chr(random.randint(65,90))
else:
temp = random.randint(0,9)
checkcode += str(temp)
print(checkcode)Das Folgende ist der Code zum Generieren einer zufälligen Folge von Buchstaben und Zahlen einer bestimmten Länge:
#!/usr/bin/env python # -*- coding:utf-8 -*- import random, string def gen_random_string(length): # 数字的个数随机产生 num_of_numeric = random.randint(1,length-1) # 剩下的都是字母 num_of_letter = length - num_of_numeric # 随机生成数字 numerics = [random.choice(string.digits) for i in range(num_of_numeric)] # 随机生成字母 letters = [random.choice(string.ascii_letters) for i in range(num_of_letter)] # 结合两者 all_chars = numerics + letters # 洗牌 random.shuffle(all_chars) # 生成最终字符串 result = ''.join([i for i in all_chars]) return result if __name__ == '__main__': print(gen_random_string(64))
Verwandte Empfehlungen :
Python-Implementierung des String-Matching-Algorithmus-Beispielcodes
Vergleich der Ähnlichkeiten und Unterschiede zwischen Python und Ruby
Zusammenfassung der Verwendung von Protokollierungsbibliotheken in Python
Das obige ist der detaillierte Inhalt vonDetaillierte Erklärung des Zufallsmoduls von Python. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
![[Web-Frontend] Node.js-Schnellstart](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
