python的隨機數

A. python如何生成隨機數、隨機字元、隨機字元串

import random

import string

# 返回給定數量的隨機數列表

lst = random.sample(source, n)

參數source：從source中隨機選擇，n為數量

下面字元串可供選擇

問題簡單了

【生成n個隨機數】

numlst = [int(i) for i in random.sample(string.digits, n)]

numlst為隨機數整形列表

【生成n個隨機字元】

strlst = [i for i in random.sample(string.ascii_letters, n)]

返回一個隨機字元列表strlst。

【生成隨機字元串】

strlst = [i for i in random.sample(string.ascii_letters, n)]

把隨機字元連接起來就可以了

print(''.join(strlst))

如果需要生成的隨機字元、字元串帶有符號，則使用string.printable作為參數source傳遞給random.sample(source, n)中即可。

望採納！

B. 用python生成隨機數的幾種方法

1 從給定參數的正態分布中生成隨機數
當考慮從正態分布中生成隨機數時，應當首先知道正態分布的均值和方差（標准差），有了這些，就可以調用python中現有的模塊和函數來生成隨機數了。這里調用了Numpy模塊中的random.normal函數，由於邏輯非參簡單，所有直接貼上代碼如下：
import numpy as np# 定義從正態分布中獲取隨機數的函數def get_normal_random_number(loc, scale): """ :param loc: 正態分布的均值 :param scale: 正態分布的標准差 :return:從正態分布中產生的隨機數 """ # 正態分布中的隨機數生成 number = np.random.normal(loc=loc, scale=scale) # 返回值 return number# 主模塊if __name__ == "__main__": # 函數調用 n = get_normal_random_number(loc=2, scale=2) # 列印結果 print(n) # 結果:3.275192443463058

2 從給定參數的均勻分布中獲取隨機數的函數
考慮從均勻分布中獲取隨機數的時候，要事先知道均勻分布的下界和上界，然後調用Numpy模塊的random.uniform函數生成隨機數。
import numpy as np# 定義從均勻分布中獲取隨機數的函數def get_uniform_random_number(low, high): """ :param low: 均勻分布的下界 :param high: 均勻分布的上界 :return: 從均勻分布中產生的隨機數 """ # 均勻分布的隨機數生成 number = np.random.uniform(low, high) # 返回值 return number# 主模塊if __name__ == "__main__": # 函數調用 n = get_uniform_random_number(low=2, high=4) # 列印結果 print(n) # 結果:2.4462417140153114

3 按照指定概率生成隨機數
有時候我們需要按照指定的概率生成隨機數，比如已知盒子中每種顏色的球的比例，猜測下一次取出的球的顏色。在這里介紹的問題和上面的例子相似，要求給定一個概率列表，從列表對應的數字列表或區間列表中生成隨機數，分兩部分討論。
3.1 按照指定概率從數字列表中隨機抽取數字
假設給定一個數字列表和一個與之對應的概率列表，兩個列表對應位置的元素組成的元組即表示該數字在數字列表中以多大的概率出現，那麼如何根據這些已知條件從數字列表中按概率抽取隨機數呢？在這里我們考慮用均勻分布來模擬概率，代碼如下：
import numpy as npimport random# 定義從均勻分布中獲取隨機數的函數def get_uniform_random_number(low, high): """ :param low: 均勻分布的下界 :param high: 均勻分布的上界 :return: 從均勻分布中產生的隨機數 """ # 均勻分布的隨機數生成 number = np.random.uniform(low, high) # 返回值 return number# 定義從一個數字列表中以一定的概率取出對應區間中數字的函數def get_number_by_pro(number_list, pro_list): """ :param number_list:數字列表 :param pro_list:數字對應的概率列表 :return:按概率從數字列表中抽取的數字 """ # 用均勻分布中的樣本值來模擬概率 x = random.uniform(0, 1) # 累積概率 cum_pro = 0.0 # 將可迭代對象打包成元組列表 for number, number_pro in zip(number_list, pro_list): cum_pro += number_pro if x < cum_pro: # 返回值 return number# 主模塊if __name__ == "__main__": # 數字列表 num_list = [1, 2, 3, 4, 5] # 對應的概率列表 pr_list = [0.1, 0.3, 0.1, 0.4, 0.1] # 函數調用 n = get_number_by_pro(number_list=num_list, pro_list=pr_list) # 列印結果 print(n) # 結果:1

3.2 按照指定概率從區間列表中的某個區間內生成隨機數
給定一個區間列表和一個與之對應的概率列表，兩個列表相應位置的元素組成的元組即表示某數字出現在某區間內的概率是多少，已知這些，我們如何生成隨機數呢？這里我們通過兩次使用均勻分布達到目的，代碼如下：
import numpy as npimport random# 定義從均勻分布中獲取隨機數的函數def get_uniform_random_number(low, high): """ :param low: 均勻分布的下界 :param high: 均勻分布的上界 :return: 從均勻分布中產生的隨機數 """ # 均勻分布的隨機數生成 number = np.random.uniform(low, high) # 返回值 return number# 定義從一個數字列表中以一定的概率取出對應區間中數字的函數def get_number_by_pro(number_list, pro_list): """ :param number_list:數字列表 :param pro_list:數字對應的概率列表 :return:按概率從數字列表中抽取的數字 """ # 用均勻分布中的樣本值來模擬概率 x = random.uniform(0, 1) # 累積概率 cum_pro = 0.0 # 將可迭代對象打包成元組列表 for number, number_pro in zip(number_list, pro_list): cum_pro += number_pro if x < cum_pro: # 從區間[number. number - 1]上隨機抽取一個值 num = get_uniform_random_number(number, number - 1) # 返回值 return num# 主模塊if __name__ == "__main__": # 數字列表 num_list = [1, 2, 3, 4, 5] # 對應的概率列表 pr_list = [0.1, 0.3, 0.1, 0.4, 0.1] # 函數調用 n = get_number_by_pro(number_list=num_list, pro_list=pr_list) # 列印結果 print(n) # 結果:3.49683787011193

C. 如何用python生成隨機的15行6列的隨機數據

用python生成隨機的15行6列的隨機數據的方法如下：
1.import numpy as np # 定義從正態分布中獲取隨機數的函數 def get_normal_random_number(loc, scale): """ :param loc: 正態分布的均值 :param scale: 正態分布的標准差 :return:從正態分布中產生的隨機數 """ # 正態分布中的隨機數生成 number = np.random.normal(loc=loc, scale=scale) # 返回值 return number # 主模塊 if __name__ == "__main__": # 函數調用 n = get_normal_random_number(loc=2, scale=2) # 列印結果 print(n) # 結果:3.275192443463058
2 從給定參數的均勻分布中獲取隨機數的函數
考慮從均勻分布中獲取隨機數的時候，要事先知道均勻分布的下界和上界，然後調用Numpy模塊的random.uniform函數生成隨機數。
import numpy as np # 定義從均勻分布中獲取隨機數的函數 def get_uniform_random_number(low, high): """ :param low: 均勻分布的下界 :param high: 均勻分布的上界 :return: 從均勻分布中產生的隨機數 """ # 均勻分布的隨機數生成 number = np.random.uniform(low, high) # 返回值 return number # 主模塊 if __name__ == "__main__": # 函數調用 n = get_uniform_random_number(low=2, high=4) # 列印結果 print(n) # 結果:2.4462417140153114
3 按照指定概率生成隨機數
有時候我們需要按照指定的概率生成隨機數，比如已知盒子中每種顏色的球的比例，猜測下一次取出的球的顏色。在這里介紹的問題和上面的例子相似，要求給定一個概率列表，從列表對應的數字列表或區間列表中生成隨機數，分兩部分討論。

D. randint在python中的意思

python中的randint用來生成隨機數，在使用randint之前，需要調用random庫。其表達是為random.randint(x,y)，參數x和y代表生成隨機數的區間范圍。

random() 函數命名來源於英文單詞random（隨機）。randint是random + integer拼接簡寫而成，代表隨機一個整數。

Python標准庫中的random函數，可以生成隨機浮點數、整數、字元串，甚至幫助你隨機選擇列表序列中的一個元素，打亂一組數據等。

函數randint的使用

1、OUT = RANDINT

產生一個「 0 」或「 1 」等概率。

2、OUT = RANDINT(M)

生成的M 矩陣的隨機二進制數字，「 0 」和「 1 」出現的概率均等。

3、OUT = RANDINT(M,N)

生成的（M,N) 矩陣的隨機二進制數字,「 0 」和「 1 」出現的概率均等。

4、OUT = RANDINT(M,N,RANGE)

生成的(M,N) 矩陣的隨機二進制數字，RANGE范圍可以是標量或向量。

標量：為正的話，取值為[0,RANGE-1] ，為負的話，取值為 [RANGE+1, 0]。

向量：取值為[RANGE(1), RANGE(2)]。

5、OUT = RANDINT(M,N,RANGE,STATE)

resets the state of RAND to STATE。

E. python中random什麼意思

Random意思是返回一個0~num-1之間的隨機數。random(num)是在stdlib.h中的一個宏定義。num和函數返回值都是整型數。

如需要在一個random()序列上生成真正意義的隨機數，在執行其子序列時使用randomSeed()函數預設一個絕對的隨機輸入，例如在一個斷開引腳上的analogRead()函數的返回值。

Random的作用

Random使用之前需要使用Randomize語句進行隨機數種子的初始化。RANDOM產生的是偽隨機數或者說是用一種復雜的方法計算得到的序列值，因此每次運算時需要一個不同的種子值。種子值不同，得到的序列值也不同。因此也就是真正的隨機數了。

RANDOM產生的是偽隨機數或者說是用一種復雜的方法計算得到的序列值，因此每次運算時需要一個不同的種子值。種子值不同，得到的序列值也不同。因此也就是真正的隨機數了。這也正是RANDOMIZE隨機初始化的作用。 VB里用 NEW RANDOM()來表示初始化。

F. python中的隨機數是怎麼實現的

PYTHON中的偽隨機數發生器用的是梅森旋轉演算法。
梅森旋轉演算法（Mersenne twister）是一個偽隨機數發生演算法。由松本真和西村拓士在1997年開發，基於有限二進制欄位上的矩陣線性遞歸。可以快速產生高質量的偽隨機數，修正了古典隨機數發生演算法的很多缺陷。
梅森旋轉演算法是R、Python、Ruby、IDL、Free Pascal、PHP、Maple、Matlab、GNU多重精度運算庫和GSL的默認偽隨機數產生器。從C++11開始，C++也可以使用這種演算法。
整個演算法主要分為三個階段：獲得基礎的梅森旋轉鏈；對於旋轉鏈進行旋轉演算法；對於旋轉演算法所得的結果進行處理。
演算法實現的過程中，參數的選取取決於梅森素數，故此得名。
梅森素數由梅森數而來。所謂梅森數，是指形如2↑p－1的一類數，其中指數p是素數，常記為Mp 。如果梅森數是素數，就稱為梅森素數。
例如4-1=3，8-1=7，16-1=15（不是素數），32-1=31，64-1=63（不是素數）等等。

G. python基礎2：隨機數生成—random模塊、numpy中的random函數

在Python中可以用於隨機數生成的有兩種主要途徑，一是random模塊，另一個是numpy庫中random函數。

在我們日常使用中，如果是為了得到隨機的單個數，多考慮random模塊；如果是為了得到隨機小數或者整數的矩陣，就多考慮numpy中的random函數,當然numpy也可以的到隨機的單個數

一、random模塊
二、numpy庫中random函數

random模塊中將近有7個函數都是可以用來生成隨機數的:

作用：隨機生成一個 [0,1) 的浮點數

作用：隨機生成一個 [a,b) 的浮點數

作用：隨機生成一個 [a,b] 的整數

作用：從列表，元組，字元串、集合（可用於for循環的數據類型）中隨機選擇一個元素

作用：在生成的<以a為始，每step遞增，以b為終>這樣的一個整數序列中隨機選擇一個數

作用：打亂一個列表的元素順序

從序列population中隨機取出k個數；population的類型可以是列表、元組、集合、字元串；

在Numpy庫中，常用使用np.random.rand()、np.random.randn()和np.random.randint()隨機函數。

作用：返回一個或一組服從標准正態分布的隨機樣本值

備註：標准正態分布是以0為均數、以1為標准差的正態分布，記為N（0，1）。對應的正態分布曲線如下所示，即

作用：使用方法與np.random.randn()函數相同 ，通過本函數可以返回一個或一組服從「0~1」均勻分布的隨機樣本值。隨機樣本取值范圍是[0,1)，不包括1

numpy.random.randint(low, high=None, size=None, dtype='l')
輸入：
low—–為最小值
high—-為最大值
size—–為數組維度大小
dtype—為數據類型，默認的數據類型是np.int。

作用： 返回隨機整數或整型數組，范圍區間為[low,high），包含low，不包含high； high沒有填寫時，默認生成隨機數的范圍是[0，low

np.random.random([size])
作用：生成[0,1)之間的浮點數,與np.random.rand()功能類似

np.random.choice(a,[ size, replace, p])

參考文檔1： 【python】numpy之random庫簡單的隨機數據生成.rand()、.randint()、.randn()、.random()等（一）
參考文檔2： Python中隨機數的生成
參考文檔3： numpy.random模塊常用函數

終於寫完了，我以為它很簡單的………………預計1小時，結果寫了2.5小時

H. 怎麼用python生成隨機數

在Python中，random模塊用於生成隨機數。下面介紹下random模塊中常用的幾個函數

• 01

  打開我們python的ide

• 02

  在打開的shell中，首先需要導入random庫，才可以使用random中的方法，首先介紹下應用最多的函數，random.random（），可以生成一個0到1的隨機符點數

• 03

  random.uniform（a,b）函數，生成指定范圍內的隨機符點數，如下圖

• 04

  random.randint（a,b）函數，生成一個指定范圍內的整數，如下圖

• 05

  random.choice(sqe)函數，從sqe序列中得到一個隨機元素，如下圖，序列元素可以包含很多種類，集合，列表，甚至元組都可以作為參數進行傳遞