Cet article présente principalement le contenu pertinent du module aléatoire de Python, qui a une certaine valeur de référence. Les amis qui en ont besoin peuvent s'y référer. J'espère qu'il pourra aider tout le monde.
module aléatoire
est utilisé pour générer des nombres pseudo-aléatoires
De vrais nombres aléatoires ( ou événements aléatoires) sont générés aléatoirement dans un certain processus de génération selon la probabilité de distribution indiquée dans le processus expérimental, et les résultats sont imprévisibles et invisibles. La fonction aléatoire dans l'ordinateur est simulée selon un certain algorithme, et le résultat est certain et visible. Nous pouvons supposer que la probabilité de ce résultat prévisible est de 100 %. Par conséquent, les « nombres aléatoires » générés par la fonction aléatoire de l’ordinateur ne sont pas des nombres aléatoires, mais pseudo-aléatoires.
Le nombre pseudo-aléatoire de l'ordinateur est une valeur calculée par une graine aléatoire selon une certaine méthode de calcul. Par conséquent, tant que la méthode de calcul est certaine et que la graine aléatoire est certaine, les nombres aléatoires générés sont fixes.
Tant que l'utilisateur ou un tiers ne définit pas la graine aléatoire, la graine aléatoire provient par défaut de l'horloge système.
Cette bibliothèque de Python utilise un algorithme commun en bas. Après des tests à long terme, sa fiabilité ne peut être dite, mais elle ne doit pas être utilisée pour des fonctions liées aux mots de passe.
1. Méthode de base
random.seed(a=Aucun, version=2)<code>random.seed(a=None, version=2)<br>Initialiser le générateur de nombres pseudo-aléatoires. Si a n’est pas fourni ou a=None, l’heure système est utilisée comme valeur de départ. Si a est un entier, il est utilisé comme graine.
random.getstate()
Renvoie un objet de l'état interne du générateur de courant
random.setstate(state)<code>random.setstate(state)<br>Passe dans un précédemment utilisé getstate L'objet d'état obtenu par la méthode restaure le générateur dans cet état.
random.getrandbits(k)
Renvoie un entier Python (décimal) ne dépassant pas K chiffres. Par exemple, k=10, le résultat est un entier compris entre 0~2^10.
2. Méthodes pour les entiers
random.randrange(stop)<code>random.randrange(stop)<br>
random.randrange(start, stop[, step])
est équivalent à choix(range(start, stop, step)), mais ne crée pas réellement d'objet range.
random.randint(a, b)
Renvoie un entier aléatoire N avec a <= N <= b. Équivalent à randrange(a, b+1)
3. Méthodes pour les structures de classes de séquence
random.choice(seq)
Sélectionnez aléatoirement un élément dans la séquence non vide seq. Si seq est vide, une exception IndexError apparaîtra.
random.choices(population, weights=None, *, cum_weights=None, k=1)
Nouveauté de la version 3.6. K éléments sont sélectionnés au hasard dans le cluster de population. Weights est une liste de poids relatifs et cum_weights est le poids cumulé. Les deux paramètres ne peuvent pas exister en même temps.
random.shuffle(x[, random])
Mélangez aléatoirement l'ordre des éléments dans la séquence x. Il ne peut être utilisé que pour les séquences mutables. Pour les séquences immuables, veuillez utiliser la méthode sample() ci-dessous.
random.sample(population, k)
Sélectionnez au hasard K éléments uniques dans l'échantillon de population ou définissez-les pour former une nouvelle séquence. Souvent utilisé pour un échantillonnage aléatoire sans répétition. Ce qui est renvoyé est une nouvelle séquence sans détruire la séquence originale. Pour tirer aléatoirement un certain nombre d'entiers dans une plage entière, utilisez une méthode comme sample(range(10000000), k=60), qui est très efficace et peu encombrante. Si k est supérieur à la longueur de la population, une exception ValueError apparaîtra.
4. Distribution des valeurs réelles
La fonction la plus haut de gamme du module aléatoire est en fait ici.
random.random()
Renvoie un nombre à virgule flottante entre fermé à gauche et ouvert à droite [0.0, 1.0)
random.uniform(a, b)
Renvoie un nombre à virgule flottante entre a et b flottant numéro de point. Si a>b, il s’agit d’un nombre à virgule flottante compris entre b et a. a et b peuvent apparaître ici dans le résultat.
random.triangular(low, high, mode)
Renvoie un nombre aléatoire de distribution triangulaire avec low <= N <=high. Le paramètre mode spécifie la position où le mode apparaît.
random.betavariate(alpha, beta)
β distribution. Le résultat renvoyé est compris entre 0 et 1
random.expovariate(lambd)
Distribution exponentielle
random.gammavariate(alpha, beta)
Distribution gamma
random.gauss (mu , sigma)<code>random.gauss(mu, sigma)<br>Distribution gaussienne
random.lognormvariate(mu, sigma)
Distribution lognormale
random.normalvariate(mu, sigma)
Distribution normale
random.vonmisesvariate(mu, kappa)
Distribution Kappa
random.paretovariate(alpha)<code>random.paretovariate(alpha)<br>Distribution Pareto
random.weibullvariate(alpha, beta)
5 . Générateurs facultatifs
class random.SystemRandom([seed])
Une classe qui utilise la méthode os.urandom() pour générer des nombres aléatoires. Le système d'exploitation fournit le code source, mais pas tous. les systèmes peuvent prendre en charge
6. Exemples typiques
>>> 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
Ce qui suit est un programme pour générer un code de vérification aléatoire à 4 chiffres contenant les lettres majuscules A-Z et les chiffres 0-9
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)Voici le code permettant de générer une séquence aléatoire de lettres et de chiffres d'une longueur spécifiée :
#!/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))
Recommandations associées :
Implémentation Python d'un exemple de code d'algorithme de correspondance de chaînes
Comparaison des similitudes et des différences entre Python et Ruby
Résumé de l'utilisation des bibliothèques de journalisation en python
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!
![[Web front-end] Démarrage rapide de Node.js](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
