python隨機整數

python隨機種子輸出幾個整數

python隨機種子輸出10個整數。python隨機種子用於指定隨機數生成時所用演算法開始的整數值，若使用相同的seed值，則每次生成的隨即數都相同，若不設置這個值，則系統根據時間來選擇這個值，此時每次生成的隨機數因時間差異而不同。

importrandom

seed="!@#$%^*()_+=-"

foriinrange(4):

text=''.join(random.sample(seed,32))

withopen('test.txt',mode='a',encoding='utf-8')asf:

f.write(text)

f.write(' ')

4：生成4次

32：位數

批量生成4次32位的隨機數

最近在做的項目重點部分與大量生成隨機數有關，維度高達[1700000,10000]，需要生成10x30次左右，這里遇到內存和速度的雙重瓶頸，特地研究了一下如何優化隨機數。

優化時間測試所需的分析工具在另一篇博客《性能優化系列一：分析工具》中提到。

原生的python中也有隨機模塊生成random.randint和random.random等，但是速度非常慢，numpy速度可以大幅提升。一般都採用numpy生成隨機數。

比較常用的就是以上幾種。在需要生成大量隨機數的情況下，或生成偽隨機數的情況下，python3.7常用RandomState。

直接生成大規模非稀疏矩陣如下，經常遇到MemoryError的錯誤，大概是同時生成多個float64精度的大規模隨機矩陣伺服器內存不夠，而randomstate似乎也沒提供調整類型的attr，

這時最好使用即使生成即使銷毀，僅保留種子作為索引，同樣，多個CPU之間共享大規模矩陣涉及到共享內存或數據傳輸同步較慢的問題，最好也共享seed而不是直接共享矩陣。

ps.這里注意一般我們設置time.time()為種子時，對於並發性程序是無效的，不要在並發程序中同時定義，建議生成一個seedlist列表再從中取。

這里可以對大規模矩陣進行分片以進行後續的np乘法，再切片賦值，以時間換內存。這種情況的麻煩在於如果設定隨機數種子會導致每個分片的隨機數相同。可以利用一個最初seed（爺爺種子）randint生成一組切片組數的seed（父親種子），再每次從中取不同的隨機數。

在上述切片方法嘗試之後，可以解決內存問題。但是時間非常慢，特別是採取s=1時在standardnormal上調用170萬次的時間長達3000s，linesearch一下搜索了大約100000為切片值仍然太慢。在文檔中發現了BitGenerator和Generator，大約可以提速到原來的1/3。

除了Numpy和基本模塊之外，AESCTR加密演算法生成隨機數也很快，但是並不能有比較方便的方式控制每次生成的一樣。參見以下reference。

tensorflow和pytorch也都有大規模生成隨機tensor的方式。性能待考。

1.超快生成隨機數的方式CSDN博客

2.tensorflow生成隨機tensor

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：

importnumpyasnp#定義從正態分布中獲取隨機數的函數defget_normal_random_number(loc,scale):""":paramloc:正態分布的均值:paramscale: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returnnumber#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。

importnumpyasnp#定義從均勻分布中獲取隨機數的函數defget_uniform_random_number(low,high):""":paramlow:均勻分布的下界:paramhigh: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returnnumber#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：

importnumpyasnpimportrandom#定義從均勻分布中獲取隨機數的函數defget_uniform_random_number(low,high):""":paramlow:均勻分布的下界:paramhigh: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returnnumber#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defget_number_by_pro(number_list,pro_list):""":paramnumber_list:數字列表:parampro_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fornumber,number_proinzip(number_list,pro_list):cum_pro+=number_proifxcum_pro:#返回值returnnumber#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：

importnumpyasnpimportrandom#定義從均勻分布中獲取隨機數的函數defget_uniform_random_number(low,high):""":paramlow:均勻分布的下界:paramhigh: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returnnumber#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defget_number_by_pro(number_list,pro_list):""":paramnumber_list:數字列表:parampro_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fornumber,number_proinzip(number_list,pro_list):cum_pro+=number_proifxcum_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returnnum#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

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

結語：以上就是首席CTO筆記為大家介紹的關於python可以生成多少隨機數的全部內容了，希望對大家有所幫助，如果你還想了解更多這方面的信息，記得收藏關注本站。

『貳』 python裡面如何生成隨機數

import ranodm
random.random() #生成0-1之間的隨機浮點數
random.randint(1，10) #生成1-10之間的整數隨機數