Python随机数模块random的简单使用指南

文章目录

Python的random模块提供了各种用于生成随机数的函数。这个模块在需要随机选择元素、打乱序列、模拟概率分布等场景时非常有用。下面我将详细介绍random模块的一些主要功能、用法和常见用法，并给出相应的示例代码。

主要功能

1. 基本随机数生成：生成指定范围内的随机整数、随机浮点数等。
2. 随机选择：从序列中随机选择一个或多个元素。
3. 随机打乱：随机打乱序列中的元素顺序。
4. 随机变量：模拟常见的随机变量分布，如正态分布、指数分布等。

用法

以下是一些常用的函数及其用法：

示例代码

生成随机整数和浮点数

import random

# 生成0到10之间的随机整数（包括0和10）
print(random.randint(0, 10))

# 生成1到10之间（不包括10）的随机整数
print(random.randrange(1, 10))

# 生成0到1之间的随机浮点数（不包括1）
print(random.random())

# 生成1到3之间的随机浮点数
print(random.uniform(1, 3))

运行结果：

从序列中随机选择元素

# 从列表中随机选择一个元素
my_list = [1, 2, 3, 4, 5]
print(random.choice(my_list))

# 从列表中随机选择3个不重复的元素
print(random.sample(my_list, 3))

运行结果：

随机打乱序列

# 打乱列表中的元素顺序
random.shuffle(my_list)
print(my_list)

运行结果：

模拟随机变量分布

正态分布

# 生成一个符合正态分布的随机数，均值为0，标准差为1
print(random.normalvariate(0, 1))

运行结果：

指数分布

虽然random模块没有直接提供指数分布的函数，但你可以使用expovariate函数从random的expovariate模块中导入：

from random import expovariate

# 生成一个符合指数分布的随机数，λ（lambda）是分布率参数（平均到达率是λ的倒数）
print(expovariate(1.0))  # λ=1.0

但请注意，expovariate是直接在random模块中定义的，不需要额外导入。

其他分布

对于其他更复杂的分布，你可能需要使用numpy库，它提供了更多的统计函数和随机变量生成器。

使用random.seed()设置随机种子

设置随机种子可以确保每次运行代码时生成的随机数序列是相同的，这在需要可重复实验的情况下很有用。

import random

# 设置随机种子
random.seed(1)

# 现在，每次使用相同的种子调用random函数，都会得到相同的结果
print(random.randint(0, 10))  
# 假设输出为5（实际输出可能因版本而异）
print(random.randint(0, 10))  
# 假设输出为某个特定数字（与上次不同，但因为是同一种子，所以可重复）

运行结果：

使用random模块进行简单的随机密码生成

import random
import string

def generate_password(length=10):
    # 选择字母和数字的集合
    characters = string.ascii_letters + string.digits
    # 使用random.choices函数（注意不是choice，它允许重复）
    # 并指定k=length以生成指定长度的密码
    return ''.join(random.choices(characters, k=length))

print(generate_password(15))  # 生成一个15位的随机密码

运行结果：

作者：是先生了