Python中Random和Math模块学习笔记
由于最近经常使用到Python中random,math和time``datetime模块, 所以决定花时间系统的学习一下
1. math模块
math中的函数不可以用于太过复杂的数的运算, 如果需要复杂数的运行最好使用cmath模块中同名函数, 如果想要更加高级的数学功能,可以考虑选择标准库之外的numpy和scipy模块,它们不但支持数组和矩阵运算,还有丰富的数学和物理方程可供使用
1.1. 数学常量
math.pi 这个数学常量等于 3.141592...
math.e 这个数学常量 e = 2.718281...,
1.2. 常用简单函数
math.ceil(x) : 对x向上取整,返回最小整数值大于或者等于x
# -*- coding:utf-8 -*-
import math #仅在第一次声明, 以下都将省略
print math.ceil(math.pi) #math.pi是圆周率pi, 类似于C/C++中的宏
//输出4
math.floor(x) : 对x向下取整, 返回整数值小于或者等于x
>>> import math
>>> math.floor(math.pi)
3.0
math.pow(x,y) : 指数运算,得到x的y次方
>>> math.pow(2, 3)
8.0
math.log(x[, base]) : 对数运算,默认基底为e的对数运算。使用base参数时,改变对数的基底, 变为以base为底的对数运算
>>> math.log(10)
2.302585092994046
>>> math.log(8, 2) #log(x)/log(base).
3.0
math.sqrt(x) 平方根计算
>>> math.sqrt(4)
2.0
math.fabs(x) 取绝对值
math.factorial(x) 求阶乘, 即x!
math.exp(x) 求e的x次方
1.3. 三角函数
以下函数都接收一个弧度(radian)为单位的x作为参数
math.acos(x) #求arccos(x)
math.asin(x) #求arcsin(x)
math.atan(x) #求arctan(x)
math.cos(x) #求cos(x)
math.sin(x) #求sin(x)
math.tan(x) #求tan(x)
math.degrees(x) 角度制转化为弧度制
math.radians(x) 弧度制转化为角度制
>>> math.degrees(math.pi / 2)
90.0
1.5. 双曲函数和特殊函数
math.sinh(x), math.cosh(x), math.tanh(x), math.asinh(x), math.acosh(x), math.atanh(x)
还有些函数基本没用过
2. random模块
random模块的作用是产生随机数, 这个模块实现了伪随机数产生器
1.1. 常用函数
random.seed([x]) 用户初始化一个随机数种子, 可选参数可以是任何hashtable对象,默认使用系统时间
random.randint(a, b) 返回一个a到b之间的整数
random.randrange([start], stop[, step]) 从指定范围内,按指定基数递增的集合中 获取一个随机数。如:random.randrange(10, 100, 2),结果相当于从[10, 12, 14, 16, … 96, 98]序列中获取一个随机数。random.randrange(10, 100, 2)在结果上与 random.choice(range(10, 100, 2) 等效。
random.randrange(start, stop, step)等价于random.choice(range(start, stop, step))
>>> random.randrange(10, 100, 2)
90
1.2. 随机挑选和排序
random.choice(sequence) : 从序列中获取一个随机元素. 参数sequence表示一个有序类型。这里要说明 一下:sequence在python不是一种特定的类型,而是泛指一系列的类型。list, tuple, 字符串都属于sequence
>>> random.choice(range(10))
1
>>> random.choice((1, 2, 3, 4))
3
random.sample(sequence, k) # 从指定序列中随机获取指定长度k的片断。sample函数不会修改原有序列
>>> lst = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
>>> new_lst = random.sample(lst, 6)
>>> print new_lst
[8, 9, 2, 1, 5, 4]
>>> print lst
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
random.shuffle(x[, random]),用于将一个列表中的元素打乱, 不会生成新的列表
>>> lst = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
>>> random.shuffle(lst)
>>> print lst
[10, 5, 2, 7, 3, 9, 4, 8, 6, 1]
1.3. 随机生成实数
生成的实数符合均匀分布(uniform distribution)
random.random() 随机生成下一个实数,它在[0,1)范围内。
random.uniform(a,b) 随机生成下一个实数,它在[a,b]范围内。
>>> random.random()
0.019433835195078797
>>> random.uniform(3, 8)
6.830376841208885
random.gauss(mu,sigma) 随机生成符合高斯分布的随机数,mu,sigma为高斯分布的两个参数。
random.expovariate(lambd) 随机生成符合指数分布的随机数,lambd为指数分布的参数。
其余是一些目前没用过的函数, 以后用到了再补充
3. 参考链接
相关文章
Python梯度提升库XGBoost解决机器学习问题使用探究
XGBoost是一个流行的梯度提升库,特别适用于解决各种机器学习问题,它在性能和速度上表现出色,常被用于分类、回归、排序、推荐系统等应用,本文将介绍XGBoost的基本原理、核心功能以及一些详细的示例代码2024-01-01
最新评论