python 標準庫：random

在數據分析，數據清洗，數據集處理中，除了使用，咱們熟悉的 numpy.random 模塊來生成隨機數，或者隨機採樣，事實上，python 標準庫也提供了 random 模塊，若是不想，僅僅由於使用隨機數，而單獨導入 numpy 時，標準庫提供的 random 模塊，不失爲一種，輕量級替代方案，而且二者使用起來幾乎同樣。

1. 導入模塊

random 是 python 標準庫模塊，隨 python 一塊兒安裝，無需單獨安裝，可直接導入。

import random
複製代碼

2. 實用方法

2.1 random()

random()生成一個位於半開放區間 [0, 1) 的浮點數，幾乎全部random模塊的方法的實現，都依賴於 random()。

random.random()
複製代碼

0.9111245252327139
複製代碼

2.2 randint(a, b)

返回隨機整數 N 知足 a <= N <= b。至關於 randrange(a, b+1)。

random.randint(0, 10)
複製代碼

8
複製代碼

2.3 randrange(start, stop[, step])

從 range(start, stop, step) 返回一個隨機選擇的元素。 這至關於 choice(range(start, stop, step)) ，但實際上並無構建一個 range 對象。

random.randrange(0, 10, 2)
複製代碼

2
複製代碼

2.4 choice(seq)

從非空序列 seq 返回一個隨機元素。 若是 seq 爲空，則引起 IndexError。

random.choice([0, 1, 2, 3, 4, 5])
複製代碼

2
複製代碼

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

從population中選擇替換，返回大小爲 k 的元素列表。 若是 population 爲空，則引起 IndexError。

若是指定了 weight 序列，則根據相對權重進行選擇。 或者，若是給出 cum_weights 序列，則根據累積權重（可能使用 itertools.accumulate() 計算）進行選擇。 例如，相對權重[10, 5, 30, 5]至關於累積權重[10, 15, 45, 50]。 在內部，相對權重在進行選擇以前會轉換爲累積權重，所以提供累積權重能夠節省工做量。

random.choices([0, 1, 2, 3, 4, 5], k=2)
複製代碼

[0, 2]
複製代碼

random.choices([0, 1, 2, 3, 4, 5], cum_weights=[10, 20, 30, 40, 50, 60], k=3)
複製代碼

[4, 4, 4]
複製代碼

2.6 shuffle(x[, random])

將序列 x 隨機打亂位置。

可選參數 random 是一個0參數函數，在 [0.0, 1.0) 中返回隨機浮點數；默認狀況下，這是函數 random() 。

要改變一個不可變的序列並返回一個新的打亂列表，請使用sample(x, k=len(x))。

a = [0, 1, 2, 3, 4, 5]
random.shuffle(a)
a
複製代碼

[5, 2, 3, 0, 1, 4]
複製代碼

2.7 sample(population, k)

返回從整體序列或集合中選擇的惟一元素的 k 長度列表。 用於無重複的隨機抽樣。

random.sample([1, 2, 3, 4, 5, 6], k=2)
複製代碼

[1, 3]
複製代碼

2.8 gauss(mu, sigma)

高斯分佈。 mu 是平均值，sigma 是標準差。

[random.gauss(0, 1) for i in range(10)]
複製代碼

[1.232295558291998,
 -0.23589397085653746,
 -1.4190307151921895,
 0.18999908858301912,
 0.780671045104774,
 0.041722424850158674,
 0.7392269754813698,
 1.4612049925568829,
 0.09647538110312114,
 -0.32525720572670025]
複製代碼

3. 源碼簡要

如下爲 python 官方 github 上，random 模塊的部分源碼，幫助瞭解 random 模塊的基本結構，以及本文介紹的實用方法的源碼申明。

random.py:

class Random(_random.Random):
    def seed(self, a=None, version=2):
        pass
    def randrange(self, start, stop=None, step=1, _int=int):
        pass
    def randint(self, a, b):
        pass
    def choice(self, seq):
        pass
    def shuffle(self, x, random=None):
        pass
    def sample(self, population, k):
        pass
    def choices(self, population, weights=None, *, cum_weights=None, k=1):
        pass
    def gauss(self, mu, sigma):
        pass
    ...

_inst = Random()
seed = _inst.seed
random = _inst.random
randrange = _inst.randrange
randint = _inst.randint
choice = _inst.choice
shuffle = _inst.shuffle
sample = _inst.sample
choices = _inst.choices
gauss = _inst.gauss

...
複製代碼

參考

• [1] python docs: random --- 生成僞隨機數
• [2] github: python/cpython/Lib/random.py

---

堅持寫專欄不易，若是以爲本文對你有幫助，記得點個贊。感謝支持！

• 我的網站: kenblog.top
• github 站點: kenblikylee.github.io

微信掃描二維碼 獲取最新技術原創