文章目录

• 前言
• 一、random库介绍
• 二、常用函数
• • random.seed(a)
  • random.random()
  • random.uniform(a,b)
  • random.randint(a,b)
  • random.randrange(start,stop,[step])
  • random.getrandbits(k)
  • random.choice(seq)
  • random.shuffle(seq)
  • random.sample(pop,k)
• 三、不常用函数
• • random.getstate()
  • random.setstate(state)
  • random.betavariate(alpha, beta)
  • random.expovariate(lambd)
  • random.gammavariate(alpha, beta)
  • random.gauss(mu, sigma)
  • random.normalvariate(mu, sigma)
  • random.paretovariate(alpha)
  • random.weibullvariate(alpha,beta)
• 四、真实案例
• • 随机密码字符串
  • 计算圆周率

前言

• 作者介绍：Python领域优质创作者、数据开发工程师
• 励志成为Python全栈工程师，关注我发现更多精彩~
• 本文已收录于Python全栈系列专栏：100天精通Python从入门到就业
• 欢迎订阅，订阅专栏后可私聊进百人Python全栈交流群（手把手教学，问题解答）； 还可领取80GPython全栈教程 + 300本计算机书籍：基础、Web、爬虫、数据分析、可视化、机器学习、深度学习、人工智能、算法、面试题等。
• 加入我一起学习进步，一个人可以走的很快，一群人才能走的更远！

一、random库介绍

random模块实现了各种分布的伪随机数生成器。为什么称为伪随机数：即人类使用算法等方式，以一个基准（也被叫做种子,最常用的就是时间戳）来构造一系列数字，这些数字的特性符合人们所理解的随机数。但因为是通过算法得到的，所以一旦算法和种子都确定，那么产生的随机数序列也是确定的，所以叫伪随机数。

import random

二、常用函数

random.seed(a)

设置初始化随机种子，可输出相同随机数序列；a取整数或浮点数，不设置时默认以系统时间为种子

import randomprint("没有设定种子时")for i in range(5):    ret = random.randint(1, 10)    print(ret, end=" ")print()print("设定种子时")random.seed(1)for i in range(5):    ret = random.randint(1, 10)    print(ret, end=" ")

输出结果：

如上图可以看出：没有显式设定种子时，每次输出的随机数都是不一样的；显式设定种子时，每次输出的随机数都是一样的

random.random()

用于生成一个 0.0 到 1.0 的随机浮点数

>>> import random>>> random.random()0.9279749775408933>>> random.random()0.12720379394341363>>> random.random()0.9391670189485866

random.uniform(a,b)

生成一个[a,b]之间的随机小数；a, b 取整数 或 浮点数

>>> import random>>> random.uniform(10.0, 20.0)10.839441969258752>>> random.uniform(10.0, 20.0)12.233491150445115>>> random.uniform(10, 20)11.290566243261305

random.randint(a,b)

生成一个[a,b]之间的随机整数

>>> import random>>> random.randint(10,100)100>>> random.randint(10,100)83>>> random.randint(10,100)66

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

生成一个[start,stop)之间以step为步数的随机整数；start,stop,step取整数，step不设时默认值为1

随机生成1-100的整数：

>>> import random>>> random.randrange(1,100)54>>> random.randrange(1,100)21>>> random.randrange(1,100)71

随机生成1-100的奇数：

>>> import random>>> random.randrange(1,100,2)37>>> random.randrange(1,100,2)63>>> random.randrange(1,100,2)29

随机生成1-100的偶数：

>>> import random>>> random.randrange(2,100,2)62>>> random.randrange(2,100,2)6>>> random.randrange(2,100,2)46

random.getrandbits(k)

生成一个占内存k位以内的随机整数；k取长度的整数值

>>> import random>>> random.getrandbits(10)29>>> random.getrandbits(10)540>>> random.getrandbits(10)227

random.choice(seq)

从序列类型seq中随机返回一个元素；seq取序列类型：如字符串，列表，元组

>>> import random>>> list = ['a', 'b', 'c', 'd', 'f', 'g']>>> random.choice(list)'b'>>> random.choice(list)'f'>>> random.choice(list)'g'

random.shuffle(seq)

将序列类型中元素随机排序，返回打乱后序列，seq被改变（改变原列表），shuffle为洗牌之意； seq取序列类型：如字符串，列表，元组

>>> import random>>> list = ['a', 'b', 'c', 'd', 'f', 'g']>>> random.shuffle(list)>>> list['c', 'a', 'f', 'd', 'g', 'b']>>> random.shuffle(list)>>> list['f', 'a', 'b', 'c', 'g', 'd']>>> random.shuffle(list)>>> list['a', 'd', 'g', 'c', 'b', 'f']

random.sample(pop,k)

从pop中选取k个元素，以列表类型返回（不改变原列表）；pop取序列类型，k取整数：代表选取个数

>>> import random>>> list = ['a', 'b', 'c', 'd', 'f', 'g']>>> random.sample(list, 4)['b', 'f', 'c', 'a']>>> random.sample(list, 4)['g', 'f', 'b', 'd']>>> random.sample(list, 4)['g', 'f', 'c', 'b']

三、不常用函数

random.getstate()

捕获并返回生成器当前内部状态的对象，可以把它传递给setstate()函数来把生成器内部状态恢复到调用getstate()函数之前的状态。相当于备份。

random.setstate(state)

state应为getstate()函数的结果，用来把生成器当前的内部状态恢复为state。

random.betavariate(alpha, beta)

Beta分布：参数的条件是 alpha > 0 和 beta > 0， 返回值的范围介于 0 和 1 之间。

random.expovariate(lambd)

指数分布

random.gammavariate(alpha, beta)

Gamma分布：参数的条件是 alpha > 0 和 beta > 0

random.gauss(mu, sigma)

高斯分布：mu是平均值，sigma是标准差。

random.normalvariate(mu, sigma)

正态分布：mu是平均值，sigma是标准差。

random.paretovariate(alpha)

帕累托分布：alpha是形状参数。

random.weibullvariate(alpha,beta)

威布尔分布：alpha是比例参数，beta是形状参数。

四、真实案例

随机密码字符串

字符串包括数字和字母， 可以指定密码的位数

import randomimport stringdef get_random_string(length):    # 随机生成字母和数字的位数    num_count = random.randint(1, length - 1)    letter_count = length - num_count    # 随机抽样生成数字序列    num_list = [random.choice(string.digits) for _ in range(num_count)]    # 随机抽样生成字母序列    letter_list = [random.choice(string.ascii_letters) for _ in range(letter_count)]    # 合并字母和数字    all_list = num_list + letter_list    # 乱序    random.shuffle(all_list)    result = "".join([i for i in all_list])    return result# 生成10位的密码password1 = get_random_string(10)print(password1)# 生成15位的密码password2 = get_random_string(15)print(password2)# 生成20位的密码password3 = get_random_string(20)print(password3)

输出结果：

41eD76F3e1915087432k8443z002L5292840A07284755

计算圆周率

1）圆周率的近似计算公式：

pi = 0N = 100for k in range(N):    pi += 1 / pow(16, k) * (4 / (8 * k + 1) - 2 / (8 * k + 4) - 1 / (8 * k + 5) - 1 / (8 * k + 6))print("圆周率值是：%s" % pi)

输出结果：

圆周率值是: 3.141592653589793

2）蒙特卡洛算法：

import randomDARTS = 1000 * 1000 * 10hits = 0.0for i in range(1, DARTS + 1):    x, y = random.random(), random.random()    dist = pow(x ** 2 + y ** 2, 0.5)    if dist <= 1.0:        hits = hits + 1pi = 4 * (hits / DARTS)print("圆周率值是：%s" % pi)

输出结果：

圆周率值是：3.14205