python的标准随机数生成器模块是什么,随机数生成器python
一、概述
随机模块
用于生成伪随机数。
之所以称之为伪随机数，是因为真随机数(或随机事件)是在实验过程中根据分布概率随机产生的，其结果是不可预测、不可见的。计算机中的随机函数是按照一定的算法模拟的，其结果是确定的、可见的。我们可以认为这种可预见结果的概率是100%。所以计算机随机函数产生的“随机数”不是随机的，而是伪随机的。
计算机伪随机数是随机种子按照一定的计算方法计算出来的数值。所以只要计算方法一定，随机种子一定，那么产生的随机数就是固定的。
只要用户或第三方没有设置随机种子，默认情况下随机种子来自系统时钟。
Python的这个库在底层使用了一个通用算法。经过长时间的测试，其可靠性不能说，但绝对不能用于密码相关的功能。
二、基本方法
Random.seed(a=None，version=2)初始化伪随机数生成器。如果未提供或a=None，则使用系统时间作为种子。如果a是整数，则用作种子。
Random.getstate()返回当前生成器内部状态的对象。
Random.setstate(state)传入一个之前使用getstate方法获得的状态对象，使生成器恢复到这个状态。
Random.getrandom bits (k)返回不超过k位的Python整数(十进制)。例如，如果k=10，则结果是0到2 ^ 10之间的整数。
三、针对整数的方法
random.randrange(停止)
random.randrange(开始，停止[，步进])
等效于choice(range(start，stop，step))，但实际上并不创建range对象。
random.randint
返回一个随机整数n，其中a=n=b。等效于randrange(a，b 1)
四、针对序列类结构的方法
Random.choice(seq)从非空序列seq中随机选择一个元素。如果seq为空，将弹出一个IndexError异常。
random.choices (population，weights=none，*，cum _ weights=none，k=1)版本3.6是新版本。k个元素是从群体聚类中随机选择的。Weights是相对权重的列表，cum_weights是累积权重。两个参数不能同时存在。
Random.shuffle(x[，random])随机打乱序列x中元素的顺序。仅适用于可变序列。对于不可变序列，请使用下面的sample()方法。
Random.sample(population，k)从总体样本或集合中随机选择k个不重复的元素以形成新的序列。常用于无重复的随机抽样。返回的是一个新序列，不会破坏原来的序列。要从整数区间中随机抽取一定数量的整数，使用类似sample(range(10000000)，k=60)的方法，效率非常高，而且节省空间。如果k大于填充长度，将弹出ValueError异常。
五、真值分布
随机模块最高端的功能其实就在这里。
Random.random()返回左闭右开[0.0，1.0]范围内的浮点数。
Random.uniform(a，B)返回介于a和B之间的浮点数，如果是ab，则介于B和a之间。
的浮点数。这里的a和b都有可能出现在结果中。
random.triangular(low,high,mode)返回一个low <= N <=high的三角形分布的随机数。参数mode指明众数出现位置。
random.betavariate(alpha,beta)β分布。返回的结果在0~1之间
random.expovariate(lambd)指数分布
random.gammavariate(alpha,beta)伽马分布
random.gauss(mu,sigma)高斯分布
random.lognormvariate(mu,sigma)对数正态分布
random.normalvariate(mu,sigma)正态分布
random.vonmisesvariate(mu,kappa)卡帕分布
random.paretovariate(alpha)帕累托分布
random.weibullvariate(alpha,beta)六、可选择的生成器
class random.SystemRandom([seed])
使用 os.urandom() 方法生成随机数的类，由操作系统提供源码，不一定所有系统都支持
七、典型的例子
>>>random()#随机浮点数:0.0<=x<1.00.37444887175646646
>>>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='acetwothreefour'.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次旋转红黑绿轮盘(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Deal20cardswithoutreplacementfromadeckof52playingcards
>>>#anddeterminetheproportionofcardswithaten-value
>>>#(aten,jack,queen,orking).
>>>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Estimatetheprobabilityofgetting5ormoreheadsfrom7spins
>>>#ofabiasedcointhatsettlesonheads60%ofthetime.
>>>trial=lambda:choices('HT',cum_weights=(0.60,1.00),k=7).count('H')>=5
>>>sum(trial()foriinrange(10000))/10000
0.4169
>>>#Probabilityofthemedianof5samplesbeinginmiddletwoquartiles
>>>trial=lambda:2500<=sorted(choices(range(10000),k=5))[2]<7500
>>>sum(trial()foriinrange(10000))/10000
0.7958
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。