python random模块常用函数基础教程

1. random 模块概述

random [ˈrændəm]：自由。

random 是Python的内置模块，直接import导入即可使用，不需要安装。

【模块导入语法】

import random 

【random模块的作用】

• random 提供了许多函数，可以生成不同类型的随机数。如整数、浮点数、随机序列等。

• 通常用于生成随机字符串、洗牌、抽样等操作。

• random 模块的使用非常广泛，可以用于模拟、游戏、密码学等领域。

随机的意思可以理解成每次运行得到的结果都是不一样的。

2. 调用模块的函数的语法

【调用语法】

模块名.函数名()，如 os.mkdir()

• os是模块名。

• 模块名和函数名之间有一个英文小圆点.。

• mkdir是函数名。

3. 什么是序列

序列是指一组有序的元素，这些元素可以是数字、字符、对象等。

序列中的每个元素都有一个唯一的位置，称为索引。

序列可以是可变的或不可变的，可变序列可以修改其中的元素，而不可变序列则不能。

序列可以通过索引和切片来访问其中的元素，也可以通过循环遍历序列中的元素。

以下数据类型均属于序列：

• 字符串（str）

• 列表（list）

• 元组（tuple）

• 集合（set）

• 字典（dict）

• 字节数组（bytearray）

• 字节数组（bytes）

其中，字符串、列表和元组是最常用的序列类型。

序列是Python中最基本的数据结构之一，它们可以存储多个值，并且可以通过索引访问这些值。

3.1 字节数组（bytearray）

字节数组（bytearray）是Python中的一种数据类型，它是一个可变的序列，由一系列的字节组成。

每个字节都是一个8位的二进制数，可以表示0-255之间的整数。

字节数组可以通过索引访问和修改其中的元素，也可以进行切片操作。

字节数组常用于处理二进制数据，如图像、音频、视频等文件的读写操作。

3.2 字节数组（bytes）

字节数组（bytes）是一种数据类型，它表示一个由字节（8位二进制数）组成的序列。

字节数组可以用来存储二进制数据，例如图像、音频、视频等文件。

字节数组在Python中是不可变的，这意味着一旦创建，就不能修改其中的元素。

可以使用索引来访问字节数组中的元素，每个元素都是一个整数，范围从0到255。

3.3 字节数组（bytearray）和字节数组（bytes）是什么的区别

• 可变性：bytearray是可变的，而bytes是不可变的。这意味着可以修改bytearray中的元素，但不能修改bytes中的元素。

• 内存占用：bytearray比bytes占用更多的内存，因为bytearray需要额外的内存来存储其可变性。

• 支持的操作：由于bytearray是可变的，它支持更多的操作，如添加、删除和修改元素。而bytes只支持不可变的操作，如索引和切片。

• 用途：bytearray通常用于需要修改二进制数据的情况，如网络编程和加密。而bytes通常用于不需要修改的情况，如文件读取和传输数据。

4. random.betavariate()-返回一个0到1之间的随机数

beta [ˈbiːtə]：希腊字母表中第二个字母，β。

variate[ˈvɛːrɪət]：变量。

betavariate：β变量。

【作用】

random.betavariate()用于生成一个服从Beta分布的随机数。

【语法】

import random
random.betavariate(alpha, beta)

【参数说明】

• alpha：Beta分布的第一个参数，必须大于0。

• beta：Beta分布的第二个参数，必须大于0。

alpha[ˈælfə]：希腊字母表中第一个字母，α。

beta [ˈbiːtə]：希腊字母表中第二个字母，β。

【返回值】

返回一个服从Beta分布的随机数。

【代码示例】

# 导入random库
import random
x = random.betavariate(2, 5)
print(x)

【终端输出】

random.choice(sequence)

调用模块的函数语法：模块名.函数名()。

【代码解析】

• random是模块名。

• 模块名和函数名之间有个英文小圆点.。

• betavariate是函数名。

• alpha=2

• beta=5

上述代码中，alpha=2，beta=5，生成的随机数x服从Beta(2, 5)分布。

5. 什么是Beta分布

Beta分布是一种概率分布，常用于描述随机变量在0到1之间的取值情况。

它的概率密度函数形式为：

其中， 是随机变量的取值， 和 是分布的两个参数， 是Beta函数，用于归一化概率密度函数。

Beta分布的形状由参数 和 控制，当 时，Beta分布退化为均匀分布。

当 和 时，Beta分布呈现出“钟形曲线”的形状，且分布的峰值在 处。

Beta分布在统计学中有广泛的应用，例如用于描述概率、比例、概率密度等。

【备注】

上述内容是百度粘贴复制过来的。

具体这个beta分布有什么用我也不明白。

6. random.random()-返回一个0.0到1.0之间的随机浮点数

random [ˈrændəm]：自由。

【作用】

random 模块的 random 函数是一个随机浮点数生成函数。

【语法】

random.random()

【参数说明】

该函数不需要传入任何参数。

【返回值】

返回一个0.0到1.0之间的随机浮点数。

【代码示例】

import random
x = random.random()
print(x)

【终端输出】

0.6746022416797438

7. random.random()和random.betavariate(2,5)的区别

random.random()用于生成一个0到1之间的随机浮点数，每次调用该函数都会生成一个新的随机数。

random.betavariate(2,5)是random模块中的函数，用于生成一个符合Beta分布的随机数。

其中参数2和5分别表示Beta分布的两个参数alpha和beta。

每次调用该函数都会生成一个新的随机数，但是生成的随机数不是均匀分布的，而是符合Beta分布的。

【小结】

random是彻底的随机选取一个数。

betavariate每次返回的数虽然不一样，但是它返回的数符合Beta分布。

8. random.choice()-从非空序列中返回一个随机元素

choice[tʃɔɪs]：选择。

【作用】

random.choice()用于从一个序列中随机选择一个元素并返回。

【语法】

random.choice(sequence)

【参数说明】

sequence[ˈsiːkwəns]：序列。

表示要从sequence中选择元素，sequence可以是列表、元组、字符串等序列。

【返回值】

返回序列中随机选择的一个元素。

8.1 从列表中随机选择一个元素

import random
my_list = [1, 2, 3, 4, 5]
print(random.choice(my_list))

【终端输出】

2

8.2 从元组中随机选择一个元素

import random
my_tuple = ('a', 'b', 'c', 'd', 'e')
print(random.choice(my_tuple))

【终端输出】

c

8.3 从字符串中随机选择一个字符

import random
my_str = '安迪python学习笔记'
print(random.choice(my_str))

【终端输出】

笔

8.4 从字典中随机选择一个元素

【选择一个键】

import random
my_dict = {"a": 1, "b": 2, "c": 3}
random_key = random.choice(list(my_dict.keys()))
print(random_key)

【终端输出】

b

【选择一个值】

import random
my_dict = {"a": 1, "b": 2, "c": 3}
random_value = random.choice(list(my_dict.values()))
print(random_value)

【终端输出】

1

【温馨提示】

字典是无序的。

因此不能直接使用random.choice()函数从字典中随机选择一个键或值。

需要先将字典的键转换为列表，然后再使用random.choice()函数。

9. 字典知识回顾

【定义】

字典是一种无序的键值对集合，用花括号 {} 来表示

键和值之间用冒号 : 分隔。

每个键值对之间用逗号 , 分隔。

键必须是唯一的，但值可以不唯一。

【语法】

my_dict = {key1: value1, key2: value2, key3: value3, ...}

key1、key2、key3 等是字典的键。

value1、value2、value3 等是字典的值。

【字典操作】

• 取出所有键，并转换成列表：list(dict.keys())，返回一个包含字典中所有键的列表。

• 取出一个键，用列表索引方式取出一个键，list(my_dict.keys())[0]。

• 取值：dict[key]。

9.1 取出字典的所有键

my_dict = {'a': 1, 'b': 2, 'c': 3}
keys = my_dict.keys()
print(keys)  

【终端输出】

dict_keys(['a', 'b', 'c'])

my_dict.keys()是一个Python字典（dictionary）方法，用于返回字典中所有键（key）的列表。

具体来说，它返回一个可迭代的视图对象，其中包含字典中所有键的列表。

my_dict是要获取值的字典对象。

keys表示要返回包含所有键的列表。

keys()方法返回的是一个特殊的dict_keys对象，而不是普通的列表。

如果需要将其转换为列表，可以使用list()函数。

my_dict = {'a': 1, 'b': 2, 'c': 3}
keys = list(my_dict.keys())
print(keys)  

【终端输出】

['a', 'b', 'c']

9.2 取出字典的一个键

用列表[索引]的方式从列表中取出一个元素，取到的就是列表的一个键。

my_dict = {'a': 1, 'b': 2, 'c': 3}
keys = list(my_dict.keys())[0]
print(keys)  

【终端输出】

a

9.3 取出字典的所有值

my_dict = {'a': 1, 'b': 2, 'c': 3}
values = my_dict.values()
print(values)  

【终端输出】

dict_values([1, 2, 3])

my_dict是要获取值的字典对象。

values表示要返回包含所有值的列表。

values()方法返回的是一个特殊的dict_values对象，而不是普通的列表。

如果需要将其转换为列表，可以使用list()函数。

my_dict = {'a': 1, 'b': 2, 'c': 3}
values = list(my_dict.values())
print(values)  

【终端输出】

[1, 2, 3]

9.4 取出字典的一个值

字典取值有以下4种方法：

• 使用方括号[]取值：可以通过键名直接访问字典中的值，例如：dict[key]。

• 使用get()方法取值：get()方法可以通过键名获取字典中的值，如果键名不存在，则返回None或者指定的默认值。例如：dict.get(key, default=None)。

• 使用items()方法取值：items()方法可以返回字典中所有键值对的元组列表，可以通过遍历列表获取字典中的所有值。例如：for key, value in dict.items()。

• 使用values()方法取值：values()方法可以返回字典中所有的值，可以通过遍历列表获取字典中的所有值。例如：for value in dict.values()。

9.5 方括号[]取值

my_dict = {'a': 1, 'b': 2, 'c': 3}
values = my_dict['a']
print(values)  

【终端输出】

1

my_dict是要获取值的字典对象。

a是字典中的一个键（key）。

[a]表示取键a对应的值。

9.6 列表索引取值

my_dict = {'a': 1, 'b': 2, 'c': 3}
values = list(my_dict.values())[0]
print(values)  

【终端输出】

1

10. random.choices()返回序列的随机元素

【作用】

random.choices()函数用于从给定的序列中随机选择指定数量的元素，可以重复选择同一个元素。

【语法】

random.choices(population, weights=None, *, cum_weights=None, k=1)

population[ˌpɒpjuˈleɪʃn]：总体。

weights[weɪts]：体重、权重。

cumulative[ˈkjuːmjələtɪv]：累积的。

cum_weights：累计权重。

【参数说明】

• population：必选参数，表示要操作的序列，可以是列表、元组、字符串等。

• weights：可选参数，表示每个元素的相对权重，必须是一个与population长度相同的列表，如果不指定，则所有元素的权重相等。

• cum_weights：可选参数，表示每个元素的累积权重，必须是一个与population长度相同的列表，如果不指定，则根据weights计算出累积权重。

• k：可选参数，表示要选择的元素数量，默认为1。

【相对权重和累计权重的区别】

相对权重是指在一组数据中，每个数据所占的比例或重要性。相对权重的计算方法是将每个数据除以所有数据的总和，得到每个数据的相对权重值。相对权重通常用于比较不同数据之间的重要性或影响力。

累计权重是指在一组数据中，每个数据的权重值逐步累加的过程。累计权重的计算方法是将每个数据的权重值依次相加，得到每个数据的累计权重值。累计权重通常用于计算某个数据在整个数据集中的重要性或排名。

例如，如果有一个列表[1,2,3,4]，并且指定了相对权重[1，2，3，4]，则元素4的被选中的概率是元素1的概率的4倍。

例如，如果有一个列表[1,2,3,4]，并且指定了累积权重[1，3，6，,0]，则元素4的概率被选中的概率是元素1的概率的10倍。

如果还是不明白，可以这样理解：

当weight=[1, 2, 3, 4]时，则cum_weights=[1, 3, 6, 10]

• 1+2=3
• 1+2+3=6
• 1+2+3+4=10

这就是逐步累加的过程。

如果还是不明白，那就放弃吧，对现阶段学Python没什么意义，写出来就是扩展点大家的知识面而已。

【返回值】

返回一个列表，包含k个随机选择的元素。

【代码示例】

import random
# 从列表中随机选择一个元素，没有k参数的时候，默认取1个元素
lst = ['张三', '李四', '王五', '赵六']
print(random.choices(lst)) # 
# 从列表中随机选择两个元素 k=2，取2个元素
print(random.choices(lst, k=2)) # 
# 从列表中随机选择三个元素，k=3，取3个元素
# 其中张三的权重为2，李四的权重为1，王五和赵六的权重为3
print(random.choices(lst, weights=[2, 1, 3, 3], k=3)) 

【终端输出】

['张三']
['赵六', '张三']
['赵六', '王五', '李四']

11. random.choices和random.choice的异同

【相同点】

• 都是从给定的序列中随机选择元素。

• 都可以用于列表、元组、字符串等序列类型。

【不同点】

• random.choices可以从序列中选择多个元素，而random.choice只能选择一个元素。

• random.choices可以指定每个元素被选择的概率，而random.choice选择的是等概率的。

• random.choices返回的是一个列表，而random.choice返回的是一个单独的元素。

12. random.expovariate-返回指数分布的随机数

expovariate指数变量。

【作用】

random.expovariate用于生成指数分布的随机数。

【什么是指数分布】

指数分布是一种连续概率分布，常用于描述一些随机事件的时间间隔，如等待时间、到达时间等。

它的概率密度函数为f(x) = λe^(-λx)，其中λ为分布参数，x为随机变量。

指数分布具有无记忆性，即在已知事件发生的时间点后，下一次事件发生的时间与上一次事件发生的时间无关。

指数分布在可靠性工程、生物学、经济学等领域中有广泛应用。

【语法】

random.expovariate(lambd)

【参数说明】

lambd：拉姆达，希腊字母的第11个， λ。

lambd：指数分布的参数，也称为速率参数，表示单位时间内发生事件的平均次数。

lambd表示1.0除以所需的平均值，该指为非0。

如果lambd为正，返回的值的范围为0到正无穷大。

如果lambd为负，返回的值的范围从负无穷大到0.

【返回值】

返回一个符合指数分布的随机数。

【lambd为正】

import random
lambd = 0.5
x = random.expovariate(lambd)
print(x)

【终端输出】

0.5572420727942687

【lambd为负】

import random

lambd = -0.8
x = random.expovariate(lambd)
print(x)

【终端输出】

-0.2489617561974653

13. random.gammavariate-返回以Gamma分布的随机数

gammavariate：伽玛变量。

gamma：伽玛，希腊字母表中第3字母 γ。

【作用】

random.gammavariate函数用于生成符合Gamma分布的随机数。

【什么是Gamma分布】

Gamma分布是一种连续概率分布，常用于描述随机事件发生的时间间隔或持续时间。

它的概率密度函数为：

【返回值】

返回一个符合Gamma分布的随机数。

【代码示例】

import random
# 生成符合Gamma分布的随机数
alpha = 2
beta = 1
x = random.gammavariate(alpha, beta)
print(x)

【终端输出】

2.0457066268448707

【生成5个服从Gamma分布的随机数】

import random
for i in range(5):
    print(random.gammavariate(2, 1))

【终端输出】

0.36675044434061005
3.5617162671776015
2.441417900614287
2.913293585705838
3.0622343724484318

14. random.gauss-一个符合高斯分布的随机数

gauss[ɡaʊs]：高斯。

【作用】

random.gauss函数用于生成一个符合高斯分布的随机数。

【什么是高斯分布】

高斯分布，也称为正态分布，是一种常见的概率分布。

它的概率密度函数呈钟形曲线，中心对称，具有一个峰值，两侧逐渐趋于无穷小。

高斯分布的特点是均值和标准差决定了它的形状和位置。

在自然界和社会现象中，很多现象都可以用高斯分布来描述，例如身高、体重、智力、收入等。高斯分布在统计学、物理学、工程学、经济学等领域都有广泛的应用。

【语法】

random.gauss(mu, sigma)

【参数说明】

• mu：高斯分布的均值（期望值）。

• sigma：高斯分布的标准差。

mu：缪，希腊字母表中第12个字母， μ。

sigma：西格玛，希腊字母表中第18个字母，σ。

【返回值】

返回一个符合高斯分布的随机数。

【代码示例】

import random
mu = 0  # 均值
sigma = 1  # 标准差
x = random.gauss(mu, sigma)
print(x)

【终端输出】

-1.0577354695155303

以上就是python random模块常用函数使用教程的详细内容，更多关于python random模块函数的资料请关注脚本之家其它相关文章！

最新评论