python随机生成字母和数字的混合字符串,python随机生成一个字母
八个答案：
0:(分数：14))。
我生成一个n个随机数的列表，然后从最高到最低排序。
答案1:(得分：3))。
很少需要关注的事情。从X 0开始，每一步开始的算法从(0，X)得到随机数，不能用X替换，为什么？因为，(假设random正常运行，每一步的期望值位于区间)0，x)中间。也就是说，预计这些数的数组将以0的速度收敛到(1/2) n。事实上，即使初始值很大，也很容易看出大多数数字都接近0。这意味着这些数字分布不均，往往是理想属性。
即使内存使用量为o(n )1)(生成数字N的复杂度比o(n) and更重要)，这是一个很大的缺点。
另一种解决方案是只取N个随机数，并对它们进行排序。这种算法的复杂度为o (nlog(n))，或者与基本排序算法的复杂度相同，但如果元素按顺序排列而不是排序，则可以简化为o(n))。但是，内存使用量必须为o(n)——记住所有元素。然而，这些数字分布均匀。这是一个很大的优势！
根据Jon Louis Bentley写的论文《generatingsortedlistsofrandomnumbers》，这里的算法可能是最好的算法。至少我知道。然后生成均匀分布的数字：
导入匹配
随机导入
defgenerate(最小值=0，最大值=10，数值=100):
开始=0
forIinxrange(数字，0，-1):
start=start math . log(random . random())/I
next=math . exp(start)max-min)min
一德下一步
对于generate()中的数字：
打印号码
注意这个算法的复杂度还是o(n)。但是，内存利用率是o) 1。这些数字是未知的，但它们均匀地分布在区间(最小值，最大值)中。唯一的缺点是，在开始之前，你需要知道你想要生成多少个数字。
让我们来看看这个帖子：
可能有用。
答案二：(得分：2))。
图片：
从随机导入随机
最小值=0
最大值=10
oldval=1 .
虽然正确：
oldval=oldval*random(
Randval=min (max-min) *oldval
答案三：(得分：1))。
这里有几个选择。这将生成接近卡方分布的值。以下值选自小于先前值的范围。
随机导入
random_range=range(10)
numbers=[random . choice(random _ range[:I]]for iinrange(10，0，-1) ]
这也可以使用浮点数来完成。
随机导入
最大值=10.0
最小值=0.0
期望=100
步长=(最大-最小)/所需
numbers=[random . random()*(I * step)]for iinrange(desired)]
或者，从滑动窗口中选择随机值以均匀分布它们。
导入随机，编号
最大值=10.0
最小值=0.0
期望=100
步长=浮动/期望
窗口=1.0
numbers=[x(random . random(* window)--(window/2.0)for xinumpy . arange(max，min，step ) ]
如果您需要一个单调递减的数字列表，将它设置为window=step将会提供一个列表。祝你好运！
答案4:(得分：1))。
谢谢大家的回答。但是，我找到了解决自己问题的方法。我觉得很简单。我想和你分享一下。
随机导入
i=1000000
而我0:
i=random.randint(0() 0，I)))))))).
打印I
答案5:(得分：1))。
根据@ cxdkf的思想，这适用于任何整数范围，正数和/或负数：
随机导入
random _ decessing _ integers _ from _ range=(iforiinxrange(max，min - 1，-1) if random.random())
要指定输出的数量，至少要使整个范围的分布均匀。
随机导入
ef random _ decessing _ integers _ from _ range(min，max，num_outputs):
Range _ size=ABS(最大值-最小值)
如果范围大小数量输出：
raisevalueerror(distancefrommintomaxmustbeequaltoorgreaterthearn _ outputs。)
输出计数=0
对于迭代，valueinenumerate(xrange ) max，min - 1，- 1):
# ifweonlyhaveoughvalueslefttostatisthenumberrequested，
#产量值
ifnum _ outputs-output _ count==range _ size-iteration 13360
输出计数=1
塑变值
#否则随机产生值，加权weightedbyhowfarintotherangeweare
# andhowmanyvalueswehavelefttoyieldofthetotalrequested
否则：
ratio _ consumed=float(迭代1)/range_size
ratio _ yielded=float(输出计数)/数量输出
ifrandom . random((1-ratio _ yielded))* ratio _ consumed:
输出计数=1
塑变值
#如果我们veyieldedtrequestnumberofvalues，停止
如果输出计数==输出数量：
布莱克
这种方法工作得很好，但是如果num_outputs不在range_size的10%到25%之间，它似乎会崩溃。说明下限区间中间确实有利，上限启动短路条件，结果确实有利于区间下端。
答案6:(得分：0))。
我不是python专家.但这是我的基本想法：
a=10000
foriinrange (1，50):
b=random.randint(1，a)))))))).
打印(b)是
a=b
答案7:(得分：0))。
这将减少0.1范围内的随机数。
随机导入
定义生成() :
n=1.0
而n:
n=random . random()n
产量
迭代器=生成(
iterator.next(
请注意，函数会在一段时间后停止生成数字，因为浮点数的精度有限，所以数字必然会变成0。
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。