Hướng dẫn how do you call a random module in python? - làm thế nào để bạn gọi một mô-đun ngẫu nhiên trong python?

Tổng quan

Trong bài đăng này, tôi muốn mô tả việc sử dụng mô -đun ngẫu nhiên trong Python. Mô -đun ngẫu nhiên cung cấp quyền truy cập vào các chức năng hỗ trợ nhiều hoạt động. Có lẽ điều quan trọng nhất là nó cho phép bạn tạo ra các số ngẫu nhiên.

Khi nào nên sử dụng nó?

Chúng tôi muốn máy tính chọn một số ngẫu nhiên trong một phạm vi đã cho chọn một phần tử ngẫu nhiên từ danh sách, chọn một thẻ ngẫu nhiên từ boong, lật đồng xu, v.v. .

Chức năng ngẫu nhiên

Mô -đun ngẫu nhiên chứa một số chức năng rất hữu ích.

Randint

Nếu chúng tôi muốn một số nguyên ngẫu nhiên, chúng tôi có thể sử dụng hàm Randint Randint chấp nhận hai tham số: thấp nhất và cao nhất. Tạo số nguyên từ 1,5. Giá trị đầu tiên nên nhỏ hơn thứ hai.

import random
print random.randint[0, 5]

Điều này sẽ xuất ra 1, 2, 3, 4 hoặc 5.

Ngẫu nhiên

Nếu bạn muốn một số lượng lớn hơn, bạn có thể nhân nó.

Ví dụ: một số ngẫu nhiên từ 0 đến 100:

import random
random.random[] * 100

Sự lựa chọn

Tạo một giá trị ngẫu nhiên từ chuỗi chuỗi.

random.choice[ ['red', 'black', 'green'] ].

Hàm lựa chọn thường có thể được sử dụng để chọn một yếu tố ngẫu nhiên từ một danh sách.

import random
myList = [2, 109, False, 10, "Lorem", 482, "Ipsum"]
random.choice[myList]

Xáo trộn

Hàm Shuffle, xáo trộn các yếu tố trong danh sách tại chỗ, vì vậy chúng theo thứ tự ngẫu nhiên.

Ví dụ ngẫu nhiên.shuffle [danh sách] được lấy từ bài đăng này trên stackoverflow

from random import shuffle
x = [[i] for i in range[10]]
shuffle[x]

Output:
# print x  gives  [[9], [2], [7], [0], [4], [5], [3], [1], [8], [6]]
# of course your results will vary

Randrange

Tạo một phần tử được chọn ngẫu nhiên từ phạm vi [bắt đầu, dừng, bước]

random.randrange[start, stop[, step]]

import random
for i in range[3]:
    print random.randrange[0, 101, 5]

Mã ví dụ

Hãy cùng xem ví dụ này [được sao chép từ Doug Hellmann Pymotw]

import random
import itertools

outcomes = { 'heads':0,
             'tails':0,
             }
sides = outcomes.keys[]

for i in range[10000]:
    outcomes[ random.choice[sides] ] += 1

print 'Heads:', outcomes['heads']
print 'Tails:', outcomes['tails']

Chỉ có hai kết quả được phép, vì vậy thay vì sử dụng các số và chuyển đổi chúng, các từ đầu là đầu và đuôi đuôi được sử dụng với lựa chọn [].

Các kết quả được lập bảng trong một từ điển bằng cách sử dụng tên kết quả làm khóa.

$ python random_choice.py

Heads: 4984
Tails: 5016

Thêm thông tin

import random
random.random[] * 100

Khuyến nghị đào tạo Python

Khóa học: Python 3 cho người mới bắt đầu

Hơn 15 giờ nội dung video với hướng dẫn hướng dẫn cho người mới bắt đầu. Tìm hiểu làm thế nào để tạo các ứng dụng trong thế giới thực và làm chủ những điều cơ bản.

Mã nguồn: lib/ngẫu nhiên.py Lib/random.py

Mô-đun này thực hiện các trình tạo số giả giả cho các phân phối khác nhau.

Đối với số nguyên, có lựa chọn thống nhất từ một phạm vi. Đối với các chuỗi, có sự lựa chọn thống nhất của một phần tử ngẫu nhiên, một hàm để tạo ra một hoán vị ngẫu nhiên của một danh sách tại chỗ và một hàm để lấy mẫu ngẫu nhiên mà không cần thay thế.

Trên dòng thực, có các hàm để tính toán đồng nhất, bình thường [Gaussian], phân phối theo cấp số nhân, gamma và beta âm. Để tạo phân phối các góc, phân phối von Mises có sẵn.

Hầu như tất cả các hàm mô-đun phụ thuộc vào hàm cơ bản

random.choice[ ['red', 'black', 'green'] ].

0, tạo ra một phao ngẫu nhiên đồng đều trong phạm vi bán mở [0,0, 1.0]. Python sử dụng Mersenne Twister làm trình tạo cốt lõi. Nó tạo ra phao chính xác 53 bit và có thời gian 2 ** 19937-1. Việc triển khai cơ bản trong C là cả nhanh và sleadSafe. Mersenne Twister là một trong những bộ tạo số ngẫu nhiên được thử nghiệm rộng rãi nhất đang tồn tại. Tuy nhiên, hoàn toàn quyết định, nó không phù hợp cho tất cả các mục đích và hoàn toàn không phù hợp cho mục đích mật mã.

Các chức năng được cung cấp bởi mô -đun này thực sự là các phương thức ràng buộc của một trường hợp ẩn của lớp

random.choice[ ['red', 'black', 'green'] ].

1. Bạn có thể khởi tạo các trường hợp

random.choice[ ['red', 'black', 'green'] ].

2 của riêng bạn để có được các trình tạo mà không chia sẻ trạng thái.

Lớp

random.choice[ ['red', 'black', 'green'] ].

2 cũng có thể được phân nhóm nếu bạn muốn sử dụng một trình tạo cơ bản khác của sự phát minh của riêng bạn: trong trường hợp đó, ghi đè các phương thức

random.choice[ ['red', 'black', 'green'] ].

random.choice[ ['red', 'black', 'green'] ].

random.choice[ ['red', 'black', 'green'] ].

6 và

random.choice[ ['red', 'black', 'green'] ].

7. Tùy chọn, một trình tạo mới có thể cung cấp một phương thức

random.choice[ ['red', 'black', 'green'] ].

8 - điều này cho phép

random.choice[ ['red', 'black', 'green'] ].

9 tạo ra các lựa chọn trên một phạm vi lớn tùy ý.

Mô -đun

import random
myList = [2, 109, False, 10, "Lorem", 482, "Ipsum"]
random.choice[myList]

0 cũng cung cấp lớp

import random
myList = [2, 109, False, 10, "Lorem", 482, "Ipsum"]
random.choice[myList]

1 sử dụng chức năng hệ thống

import random
myList = [2, 109, False, 10, "Lorem", 482, "Ipsum"]
random.choice[myList]

2 để tạo các số ngẫu nhiên từ các nguồn được cung cấp bởi hệ điều hành.

Cảnh báo

Không nên sử dụng các trình tạo giả ngẫu nhiên của mô-đun này cho mục đích bảo mật. Để sử dụng bảo mật hoặc sử dụng mật mã, hãy xem mô -đun

import random
myList = [2, 109, False, 10, "Lorem", 482, "Ipsum"]
random.choice[myList]

Xem thêm

M. Matsumoto và T. Nishimura, Hồi Mersenne Twister: Một trình tạo số giả đồng nhất cách đồng nhất 623 chiều, Giao dịch ACM về mô hình hóa và mô phỏng máy tính Vol. 8, Số 1, tháng 1 Trang 3 Điện30 1998.

Công thức bổ sung-đa dạng-với-carry cho một trình tạo số ngẫu nhiên thay thế tương thích với một thời gian dài và các hoạt động cập nhật tương đối đơn giản.

Chức năng kế toán

ngẫu nhiên.seed [a = none, phiên bản = 2] ¶seed[a=None, version=2]¶

Khởi tạo trình tạo số ngẫu nhiên.

Nếu A bị bỏ qua hoặc

import random
myList = [2, 109, False, 10, "Lorem", 482, "Ipsum"]
random.choice[myList]

4, thời gian hệ thống hiện tại được sử dụng. Nếu các nguồn ngẫu nhiên được cung cấp bởi hệ điều hành, chúng được sử dụng thay vì thời gian hệ thống [xem hàm

import random
myList = [2, 109, False, 10, "Lorem", 482, "Ipsum"]
random.choice[myList]

2 để biết chi tiết về tính khả dụng].

Nếu A là INT, nó được sử dụng trực tiếp.

Với phiên bản 2 [mặc định], đối tượng

import random
myList = [2, 109, False, 10, "Lorem", 482, "Ipsum"]
random.choice[myList]

import random
myList = [2, 109, False, 10, "Lorem", 482, "Ipsum"]
random.choice[myList]

7 hoặc

import random
myList = [2, 109, False, 10, "Lorem", 482, "Ipsum"]
random.choice[myList]

8 được chuyển đổi thành

import random
myList = [2, 109, False, 10, "Lorem", 482, "Ipsum"]
random.choice[myList]

9 và tất cả các bit của nó được sử dụng.

Với phiên bản 1 [được cung cấp để tái tạo các chuỗi ngẫu nhiên từ các phiên bản Python cũ hơn], thuật toán cho

import random
myList = [2, 109, False, 10, "Lorem", 482, "Ipsum"]
random.choice[myList]

6 và

import random
myList = [2, 109, False, 10, "Lorem", 482, "Ipsum"]
random.choice[myList]

7 tạo ra phạm vi hạt hẹp hơn.

Đã thay đổi trong phiên bản 3.2: Đã chuyển sang sơ đồ phiên bản 2 sử dụng tất cả các bit trong hạt giống.Moved to the version 2 scheme which uses all of the bits in a string seed.

Đã thay đổi trong phiên bản 3.11: Hạt giống phải là một trong các loại sau: Nonetype,

import random
myList = [2, 109, False, 10, "Lorem", 482, "Ipsum"]
random.choice[myList]

from random import shuffle
x = [[i] for i in range[10]]
shuffle[x]

import random
myList = [2, 109, False, 10, "Lorem", 482, "Ipsum"]
random.choice[myList]

import random
myList = [2, 109, False, 10, "Lorem", 482, "Ipsum"]
random.choice[myList]

7 hoặc

import random
myList = [2, 109, False, 10, "Lorem", 482, "Ipsum"]
random.choice[myList]

8.The seed must be one of the following types: NoneType,

import random
myList = [2, 109, False, 10, "Lorem", 482, "Ipsum"]
random.choice[myList]

from random import shuffle
x = [[i] for i in range[10]]
shuffle[x]

import random
myList = [2, 109, False, 10, "Lorem", 482, "Ipsum"]
random.choice[myList]

import random
myList = [2, 109, False, 10, "Lorem", 482, "Ipsum"]
random.choice[myList]

7, or

import random
myList = [2, 109, False, 10, "Lorem", 482, "Ipsum"]
random.choice[myList]

ngẫu nhiên.getstate [] ¶getstate[]¶

Trả về một đối tượng chụp trạng thái bên trong hiện tại của trình tạo. Đối tượng này có thể được chuyển sang

random.choice[ ['red', 'black', 'green'] ].

7 để khôi phục trạng thái.

ngẫu nhiên.setstate [trạng thái] ¶setstate[state]¶

Nhà nước đáng lẽ phải được lấy từ một cuộc gọi trước đó đến

random.choice[ ['red', 'black', 'green'] ].

6 và

random.choice[ ['red', 'black', 'green'] ].

7 khôi phục trạng thái bên trong của trình tạo về những gì nó đã được gọi là

random.choice[ ['red', 'black', 'green'] ].

6 được gọi.

Chức năng cho byte¶

ngẫu nhiên.randbytes [n] ¶randbytes[n]¶

Tạo n ngẫu nhiên byte.

Phương pháp này không nên được sử dụng để tạo mã thông báo bảo mật. Sử dụng

Output:
# print x  gives  [[9], [2], [7], [0], [4], [5], [3], [1], [8], [6]]
# of course your results will vary

1 thay thế.

Mới trong phiên bản 3.9.

Chức năng cho số nguyên

ngẫu nhiên.randrange [dừng] ¶ ngẫu nhiên.randrange [bắt đầu, dừng [, bước]]randrange[stop]¶ random.randrange[start, stop[, step]]

Trả về một phần tử được chọn ngẫu nhiên từ

Output:
# print x  gives  [[9], [2], [7], [0], [4], [5], [3], [1], [8], [6]]
# of course your results will vary

2. Điều này tương đương với

Output:
# print x  gives  [[9], [2], [7], [0], [4], [5], [3], [1], [8], [6]]
# of course your results will vary

3, nhưng không thực sự xây dựng một đối tượng phạm vi.

Các mẫu đối số vị trí phù hợp với

Output:
# print x  gives  [[9], [2], [7], [0], [4], [5], [3], [1], [8], [6]]
# of course your results will vary

4. Không nên sử dụng đối số từ khóa vì hàm có thể sử dụng chúng theo những cách không mong muốn.

Đã thay đổi trong phiên bản 3.2:

random.choice[ ['red', 'black', 'green'] ].

9 tinh vi hơn về việc tạo ra các giá trị phân phối đều nhau. Trước đây, nó đã sử dụng một phong cách như

Output:
# print x  gives  [[9], [2], [7], [0], [4], [5], [3], [1], [8], [6]]
# of course your results will vary

6 có thể tạo ra các phân phối hơi không đồng đều.

random.choice[ ['red', 'black', 'green'] ].

9 is more sophisticated about producing equally distributed values. Formerly it used a style like

Output:
# print x  gives  [[9], [2], [7], [0], [4], [5], [3], [1], [8], [6]]
# of course your results will vary

6 which could produce slightly uneven distributions.

Không dùng nữa kể từ phiên bản 3.10: Chuyển đổi tự động các loại không nguyên thành các số nguyên tương đương được không dùng nữa. Hiện tại

Output:
# print x  gives  [[9], [2], [7], [0], [4], [5], [3], [1], [8], [6]]
# of course your results will vary

7 được chuyển đổi không mất khỏi

Output:
# print x  gives  [[9], [2], [7], [0], [4], [5], [3], [1], [8], [6]]
# of course your results will vary

8. Trong tương lai, điều này sẽ tăng

Output:
# print x  gives  [[9], [2], [7], [0], [4], [5], [3], [1], [8], [6]]
# of course your results will vary

9.The automatic conversion of non-integer types to equivalent integers is deprecated. Currently

Output:
# print x  gives  [[9], [2], [7], [0], [4], [5], [3], [1], [8], [6]]
# of course your results will vary

7 is losslessly converted to

Output:
# print x  gives  [[9], [2], [7], [0], [4], [5], [3], [1], [8], [6]]
# of course your results will vary

8. In the future, this will raise a

Output:
# print x  gives  [[9], [2], [7], [0], [4], [5], [3], [1], [8], [6]]
# of course your results will vary

Không dùng nữa kể từ phiên bản 3.10: Ngoại lệ được nâng lên đối với các giá trị không tích hợp như

random.randrange[start, stop[, step]]

0 hoặc

random.randrange[start, stop[, step]]

1 sẽ được thay đổi từ

random.randrange[start, stop[, step]]

2 thành

Output:
# print x  gives  [[9], [2], [7], [0], [4], [5], [3], [1], [8], [6]]
# of course your results will vary

9.The exception raised for non-integral values such as

random.randrange[start, stop[, step]]

0 or

random.randrange[start, stop[, step]]

1 will be changed from

random.randrange[start, stop[, step]]

2 to

Output:
# print x  gives  [[9], [2], [7], [0], [4], [5], [3], [1], [8], [6]]
# of course your results will vary

ngẫu nhiên.randint [a, b] ¶randint[a, b]¶

Trả về một số nguyên ngẫu nhiên n sao cho

random.randrange[start, stop[, step]]

4. Bí danh cho

random.randrange[start, stop[, step]]

ngẫu nhiên.getrandbits [k] ¶getrandbits[k]¶

Trả về một số nguyên python không âm với K BIT ngẫu nhiên. Phương pháp này được cung cấp với Trình tạo Mersennetwister và một số trình tạo khác cũng có thể cung cấp nó như một phần tùy chọn của API. Khi có sẵn,

random.choice[ ['red', 'black', 'green'] ].

8 cho phép

random.choice[ ['red', 'black', 'green'] ].

9 xử lý các phạm vi lớn tùy ý.

Đã thay đổi trong phiên bản 3.9: Phương pháp này hiện không chấp nhận số 0 cho k.This method now accepts zero for k.

Chức năng cho trình tự lor

Random.Choice [SEQ] ¶choice[seq]¶

Trả về một phần tử ngẫu nhiên từ chuỗi không trống seq. Nếu SEQ trống, tăng

random.randrange[start, stop[, step]]

ngẫu nhiên.choices [dân số, trọng lượng = không, *, cum_weights = none, k = 1] ¶choices[population, weights=None, *, cum_weights=None, k=1]¶

Trả lại một danh sách kích thước k các yếu tố được chọn từ dân số với sự thay thế. Nếu dân số trống, tăng

random.randrange[start, stop[, step]]

Nếu một chuỗi trọng số được chỉ định, các lựa chọn được thực hiện theo các trọng số tương đối. Ngoài ra, nếu một chuỗi cum_weights được đưa ra, các lựa chọn được thực hiện theo các trọng số tích lũy [có thể được tính toán bằng

import random
for i in range[3]:
    print random.randrange[0, 101, 5]

0]. Ví dụ, trọng số tương đối

import random
for i in range[3]:
    print random.randrange[0, 101, 5]

1 tương đương với trọng số tích lũy

import random
for i in range[3]:
    print random.randrange[0, 101, 5]

2. Trong nội bộ, các trọng số tương đối được chuyển đổi thành trọng số tích lũy trước khi thực hiện các lựa chọn, do đó, việc cung cấp các trọng số tích lũy tiết kiệm công việc.

Nếu không có trọng số và không được chỉ định, các lựa chọn được thực hiện với xác suất bằng nhau. Nếu một chuỗi trọng số được cung cấp, nó phải có cùng chiều dài với trình tự dân số. Đó là một

Output:
# print x  gives  [[9], [2], [7], [0], [4], [5], [3], [1], [8], [6]]
# of course your results will vary

9 để chỉ định cả trọng số và cum_ weights.

Trọng lượng hoặc cum_ weights có thể sử dụng bất kỳ loại số nào tương tác với các giá trị

from random import shuffle
x = [[i] for i in range[10]]
shuffle[x]

3 được trả về bởi

random.choice[ ['red', 'black', 'green'] ].

0 [bao gồm số nguyên, phao và phân số nhưng không bao gồm số thập phân]. Trọng lượng được coi là không âm và hữu hạn. A

random.randrange[start, stop[, step]]

2 được nâng lên nếu tất cả các trọng số bằng không.

Đối với một hạt giống nhất định, hàm

import random
for i in range[3]:
    print random.randrange[0, 101, 5]

7 với trọng số bằng nhau thường tạo ra một chuỗi khác với các cuộc gọi lặp lại đến

import random
for i in range[3]:
    print random.randrange[0, 101, 5]

8. Thuật toán được sử dụng bởi

import random
for i in range[3]:
    print random.randrange[0, 101, 5]

7 sử dụng số học điểm nổi cho tính nhất quán và tốc độ bên trong. Thuật toán được sử dụng bởi

import random
for i in range[3]:
    print random.randrange[0, 101, 5]

8 mặc định cho số học số nguyên với các lựa chọn lặp đi lặp lại để tránh các độ lệch nhỏ khỏi lỗi làm tròn.

Mới trong phiên bản 3.6.

Đã thay đổi trong phiên bản 3.9: tăng

random.randrange[start, stop[, step]]

2 nếu tất cả các trọng số bằng không.Raises a

random.randrange[start, stop[, step]]

2 if all weights are zero.

ngẫu nhiên.shuffle [x] ¶shuffle[x]¶

Xáo trộn chuỗi x tại chỗ.

Để xáo trộn một chuỗi bất biến và trả lại một danh sách được xáo trộn mới, hãy sử dụng

import random
import itertools

outcomes = { 'heads':0,
             'tails':0,
             }
sides = outcomes.keys[]

for i in range[10000]:
    outcomes[ random.choice[sides] ] += 1

print 'Heads:', outcomes['heads']
print 'Tails:', outcomes['tails']

2 thay thế.

Lưu ý rằng ngay cả đối với

import random
import itertools

outcomes = { 'heads':0,
             'tails':0,
             }
sides = outcomes.keys[]

for i in range[10000]:
    outcomes[ random.choice[sides] ] += 1

print 'Heads:', outcomes['heads']
print 'Tails:', outcomes['tails']

3 nhỏ, tổng số hoán vị của X có thể nhanh chóng phát triển lớn hơn thời gian của hầu hết các máy phát số ngẫu nhiên. Điều này ngụ ý rằng hầu hết các hoán vị của một chuỗi dài không bao giờ có thể được tạo ra. Ví dụ, một chuỗi độ dài 2080 là lớn nhất có thể phù hợp trong khoảng thời gian của bộ tạo số ngẫu nhiên Mersenne Twister.

Không dùng nữa kể từ phiên bản 3.9, bị xóa trong phiên bản 3.11: Tham số tùy chọn ngẫu nhiên.The optional parameter random.

ngẫu nhiên.sample [dân số, k, *, số lượng = không] ¶sample[population, k, *, counts=None]¶

Trả về một danh sách chiều dài k của các yếu tố duy nhất được chọn từ chuỗi dân số. Được sử dụng để lấy mẫu ngẫu nhiên mà không cần thay thế.

Trả về một danh sách mới chứa các yếu tố từ dân số trong khi để lại dân số ban đầu không thay đổi. Danh sách kết quả theo thứ tự lựa chọn để tất cả các lớp phụ cũng sẽ là các mẫu ngẫu nhiên hợp lệ. Điều này cho phép người chiến thắng xổ số [mẫu] được phân chia thành giải thưởng lớn và người chiến thắng vị trí thứ hai [các phụ].

Các thành viên của dân số không cần phải có thể băm hoặc duy nhất. Nếu dân số chứa lặp lại, thì mỗi lần xuất hiện là một lựa chọn có thể trong mẫu.hashable or unique. If the population contains repeats, then each occurrence is a possible selection in the sample.

Các phần tử lặp lại có thể được chỉ định một lần hoặc với tham số số lượng từ khóa chỉ tùy chọn. Ví dụ,

import random
import itertools

outcomes = { 'heads':0,
             'tails':0,
             }
sides = outcomes.keys[]

for i in range[10000]:
    outcomes[ random.choice[sides] ] += 1

print 'Heads:', outcomes['heads']
print 'Tails:', outcomes['tails']

4 tương đương với

import random
import itertools

outcomes = { 'heads':0,
             'tails':0,
             }
sides = outcomes.keys[]

for i in range[10000]:
    outcomes[ random.choice[sides] ] += 1

print 'Heads:', outcomes['heads']
print 'Tails:', outcomes['tails']

Để chọn một mẫu từ một loạt các số nguyên, hãy sử dụng đối tượng

Output:
# print x  gives  [[9], [2], [7], [0], [4], [5], [3], [1], [8], [6]]
# of course your results will vary

4 làm đối số. Điều này đặc biệt nhanh chóng và hiệu quả không gian để lấy mẫu từ một dân số lớn:

import random
import itertools

outcomes = { 'heads':0,
             'tails':0,
             }
sides = outcomes.keys[]

for i in range[10000]:
    outcomes[ random.choice[sides] ] += 1

print 'Heads:', outcomes['heads']
print 'Tails:', outcomes['tails']

Nếu kích thước mẫu lớn hơn kích thước dân số, A

random.randrange[start, stop[, step]]

2 sẽ được nâng lên.

Đã thay đổi trong phiên bản 3.9: Đã thêm tham số Counts.Added the counts parameter.

Thay đổi trong phiên bản 3.11: Dân số phải là một chuỗi. Tự động chuyển đổi các bộ thành danh sách không còn được hỗ trợ.The population must be a sequence. Automatic conversion of sets to lists is no longer supported.

Phân phối có giá trị thực

Các chức năng sau đây tạo ra các phân phối có giá trị thực cụ thể. Các tham số chức năng được đặt tên theo các biến tương ứng trong phương trình phân phối, như được sử dụng trong thực tiễn toán học thông thường; Hầu hết các phương trình này có thể được tìm thấy trong bất kỳ văn bản thống kê.

ngẫu nhiên.random [] ¶random[]¶

Trả về số điểm nổi ngẫu nhiên tiếp theo trong phạm vi [0,0, 1.0].

ngẫu nhiên.uniform [a, b] ¶uniform[a, b]¶

Trả về một số điểm nổi ngẫu nhiên n sao cho

random.randrange[start, stop[, step]]

4 cho

$ python random_choice.py

Heads: 4984
Tails: 5016

0 và

$ python random_choice.py

Heads: 4984
Tails: 5016

1 cho

$ python random_choice.py

Heads: 4984
Tails: 5016

Giá trị điểm cuối

$ python random_choice.py

Heads: 4984
Tails: 5016

3 có thể hoặc không được đưa vào phạm vi tùy thuộc vào việc làm tròn điểm nổi trong phương trình

$ python random_choice.py

Heads: 4984
Tails: 5016

ngẫu nhiên.triangular [thấp, cao, chế độ] ¶triangular[low, high, mode]¶

Trả về một số điểm nổi ngẫu nhiên n sao cho

$ python random_choice.py

Heads: 4984
Tails: 5016

5 và với chế độ được chỉ định giữa các giới hạn đó. Giới hạn thấp và cao mặc định là 0 và một. Đối số chế độ mặc định đến điểm giữa giữa các giới hạn, đưa ra phân phối đối xứng.

ngẫu nhiên.betavariate [alpha, beta] ¶betavariate[alpha, beta]¶

Phân phối beta. Điều kiện trên các tham số là

$ python random_choice.py

Heads: 4984
Tails: 5016

6 và

$ python random_choice.py

Heads: 4984
Tails: 5016

7. Giá trị trả về nằm trong khoảng từ 0 đến 1.

ngẫu nhiên.expovariate [Lambd] ¶expovariate[lambd]¶

Phân phối theo cấp số nhân. Lambd là 1,0 chia cho giá trị trung bình mong muốn. Nó nên là khác nhau. .

ngẫu nhiên.gammavariate [alpha, beta] ¶gammavariate[alpha, beta]¶

Phân phối Gamma. [Không phải hàm gamma!] Điều kiện trên các tham số là

$ python random_choice.py

Heads: 4984
Tails: 5016

6 và

$ python random_choice.py

Heads: 4984
Tails: 5016

Hàm phân phối xác suất là:

import random
random.random[] * 100

ngẫu nhiên.gauss [mu = 0,0, sigma = 1.0] ¶gauss[mu=0.0, sigma=1.0]¶

Phân phối bình thường, còn được gọi là phân phối Gaussian. MU là trung bình, và Sigma là độ lệch chuẩn. Điều này nhanh hơn một chút so với hàm

import random
random.random[] * 100

00 được xác định dưới đây.

Lưu ý đa luồng: Khi hai luồng gọi chức năng này đồng thời, có thể họ sẽ nhận được cùng một giá trị trả về. Điều này có thể tránh được theo ba cách. 1] Có mỗi luồng sử dụng một thể hiện khác nhau của trình tạo số ngẫu nhiên. 2] Đặt khóa xung quanh tất cả các cuộc gọi. 3] Thay vào đó, sử dụng chức năng chậm hơn, nhưng an toàn

import random
random.random[] * 100

00.

Đã thay đổi trong phiên bản 3.11: MU và Sigma hiện có các đối số mặc định.mu and sigma now have default arguments.

Random.LognorMvariate [MU, Sigma] ¶lognormvariate[mu, sigma]¶

Phân phối lognormal. Nếu bạn lấy logarit tự nhiên của phân phối này, bạn sẽ nhận được một phân phối bình thường với MU trung bình và độ lệch chuẩn. MU có thể có bất kỳ giá trị nào, và Sigma phải lớn hơn 0.

ngẫu nhiênnormalvariate[mu=0.0, sigma=1.0]¶

Phân phối bình thường. MU là trung bình, và Sigma là độ lệch chuẩn.

Đã thay đổi trong phiên bản 3.11: MU và Sigma hiện có các đối số mặc định.mu and sigma now have default arguments.

Random.LognorMvariate [MU, Sigma] ¶vonmisesvariate[mu, kappa]¶

ngẫu nhiênparetovariate[alpha]¶

Phân phối bình thường. MU là trung bình, và Sigma là độ lệch chuẩn.

ngẫu nhiên.vonmisevariate [MU, Kappa] ¶weibullvariate[alpha, beta]¶

MU là góc trung bình, được biểu thị bằng radian trong khoảng từ 0 đến 2*pi và kappa là tham số nồng độ, phải lớn hơn hoặc bằng không. Nếu kappa bằng 0, phân phối này sẽ giảm xuống góc ngẫu nhiên đồng đều trong phạm vi 0 đến 2*pi.

ngẫu nhiên.paretovariate [alpha] ¶

Phân phối Pareto. Alpha là tham số hình dạng. random.Random[[seed]]¶

ngẫu nhiên.weibullvariate [alpha, beta] ¶

Phân phối Weibull. Alpha là tham số tỷ lệ và beta là tham số hình dạng.In the future, the seed must be one of the following types:

import random
random.random[] * 100

03,

import random
myList = [2, 109, False, 10, "Lorem", 482, "Ipsum"]
random.choice[myList]

from random import shuffle
x = [[i] for i in range[10]]
shuffle[x]

import random
myList = [2, 109, False, 10, "Lorem", 482, "Ipsum"]
random.choice[myList]

import random
myList = [2, 109, False, 10, "Lorem", 482, "Ipsum"]
random.choice[myList]

7, or

import random
myList = [2, 109, False, 10, "Lorem", 482, "Ipsum"]
random.choice[myList]

Máy phát điện thay thế random.SystemRandom[[seed]]¶

classRandom.random [[hạt giống]] ¶

Ghi chú về khả năng tái sản xuất

Đôi khi rất hữu ích để có thể tái tạo các chuỗi được đưa ra bởi một trình tạo số giả giả. Bằng cách sử dụng lại giá trị hạt giống, chuỗi tương tự phải được tái tạo từ chạy để chạy miễn là nhiều luồng không chạy.

Hầu hết các thuật toán và chức năng gieo hạt ngẫu nhiên đều có thể thay đổi trên các phiên bản Python, nhưng hai khía cạnh được đảm bảo không thay đổi:

Nếu một phương pháp gieo hạt mới được thêm vào, thì một máy gieo hạt tương thích ngược sẽ được cung cấp.
Phương pháp của máy phát điện ____ ____ ____ sẽ tiếp tục tạo ra cùng một chuỗi khi máy gieo hạt tương thích được cung cấp cùng một hạt giống.

Ví dụ;

Ví dụ cơ bản:

import random
random.random[] * 100

Simulations:

import random
random.random[] * 100

Ví dụ về bootstrapping thống kê bằng cách sử dụng thay thế với sự thay thế để ước tính khoảng tin cậy cho giá trị trung bình của một mẫu:

import random
random.random[] * 100

Ví dụ về thử nghiệm hoán vị lấy mẫu để xác định ý nghĩa thống kê hoặc giá trị p của sự khác biệt quan sát được giữa các tác dụng của thuốc so với giả dược:

import random
random.random[] * 100

Mô phỏng thời gian đến và giao hàng dịch vụ cho hàng đợi Multiserver:

import random
random.random[] * 100

Xem thêm

Thống kê cho tin tặc Hướng dẫn video của Jake Vanderplas về phân tích thống kê chỉ bằng một vài khái niệm cơ bản bao gồm mô phỏng, lấy mẫu, xáo trộn và xác thực chéo.

Mô phỏng kinh tế Một mô phỏng thị trường của Peter Norvig cho thấy việc sử dụng hiệu quả nhiều công cụ và phân phối được cung cấp bởi mô -đun này [Gauss, đồng phục, mẫu, betavariate, lựa chọn, hình tam giác và randrange].

Giới thiệu cụ thể về xác suất [sử dụng Python] Hướng dẫn của Peter Norvig bao gồm những điều cơ bản của lý thuyết xác suất, cách viết mô phỏng và cách thực hiện phân tích dữ liệu bằng Python.

Công thức nấu ăn¶

Những công thức này cho thấy cách thực hiện các lựa chọn ngẫu nhiên một cách hiệu quả từ các trình lặp kết hợp trong mô -đun

import random
random.random[] * 100

15:

import random
random.random[] * 100

random.choice[ ['red', 'black', 'green'] ].

0 mặc định trả về bội số của 2⁻⁵³ trong phạm vi 0,0 x

Tổng quan

Khi nào nên sử dụng nó?

Chức năng ngẫu nhiên

Randint

Ngẫu nhiên

Sự lựa chọn

Xáo trộn

Randrange

Mã ví dụ

Khuyến nghị đào tạo Python

Chức năng kế toán

Chức năng cho byte¶

Chức năng cho số nguyên

Chức năng cho trình tự lor

Phân phối có giá trị thực

ngẫu nhiên.paretovariate [alpha] ¶

Ghi chú về khả năng tái sản xuất

Ví dụ;

Công thức nấu ăn¶

Bài Viết Liên Quan

Toplist mới

Bài mới nhất

Chủ Đề