Python標準庫--random

[1] 轉載自 http://www.javashuo.com/article/p-uvmxnmtg-w.html

從指定範圍內，按指定基數遞增的集合中 ，這篇文章就是對python生成隨機數的應用程序的部分介紹。

隨機整數：
>>> import random
>>> random.randint(0,99)
21

隨機選取0到100間的偶數：
>>> import random
>>> random.randrange(0, 101, 2)
42

隨機浮點數：
>>> import random
>>> random.random() 
0.85415370477785668
>>> random.uniform(1, 10)
5.4221167969800881

隨機字符：
>>> import random
>>> random.choice('abcdefg&#%^*f')
'd'

多個字符中選取特定數量的字符：
>>> import random
random.sample('abcdefghij',3) 
['a', 'd', 'b']

多個字符中選取特定數量的字符組成新字符串：
>>> import random
>>> import string
>>> string.join(random.sample(['a','b','c','d','e','f','g','h','i','j'], 3)).r
eplace(" ","")
'fih'

隨機選取字符串：
>>> import random
>>> random.choice ( ['apple', 'pear', 'peach', 'orange', 'lemon'] )
'lemon'

洗牌：
>>> import random
>>> items = [1, 2, 3, 4, 5, 6]
>>> random.shuffle(items)
>>> items
[3, 2, 5, 6, 4, 1]

[2] 轉載自https://blog.csdn.net/zheng_lan_fang/article/details/76684761

如下是random模塊的方法：

 

random.seed(a=None, version=2)  # 初始化僞隨機數生成器。若是未提供a或者a=None，則使用系統時間爲種子。若是a是一個整數，則做爲種子。
 random.getstate()  # 返回一個當前生成器的內部狀態的對象
 random.setstate(state)  # 傳入一個先前利用getstate方法得到的狀態對象，使得生成器恢復到這個狀態。
 random.getrandbits(k)  # 返回range(0,2**k)之間的一個整數，至關於randrange(0,2**k)
 random.randrange(stop)  # 返回range(0,stop)之間的一個整數
 random.randrange(start, stop[, step])  # 返回range[start,stop)之間的一個整數，可加step，跟range(0,10,2)相似
 random.randint(a, b)  # 返回range[a,b]之間的一個整數，等價於然的range(a,b+1)
 random.choice(seq)  # 從非空序列seq中隨機選取一個元素。若是seq爲空則彈出 IndexError異常。
 random.choices(population, weights=None, *, cum_weights=None, k=1)  # 3.6版本新增。從population集羣中隨機抽取K個元素（可重複）。weights是相對權重列表，cum_weights是累計權重，兩個參數不能同時存在。
 random.shuffle(x[, random])  # 隨機打亂序列x內元素的排列順序。只能針對可變的序列，對於不可變序列，請使用下面的sample()方法。
 random.sample(population, k)  # 從population樣本或集合中隨機抽取K個不重複的元素造成新的序列。經常使用於不重複的隨機抽樣。返回的是一個新的序列，不會破壞原有序列。要從一個整數區間隨機抽取必定數量的整數，請使用sample(range(10000000), k=60)相似的方法，這很是有效和節省空間。若是k大於population的長度，則彈出ValueError異常。
 random.random()  # 返回一個介於左閉右開[0.0, 1.0)區間的浮點數
 random.uniform(a, b)  # 返回一個介於a和b之間的浮點數。若是a>b，則是b到a之間的浮點數。這裏的a和b都有可能出如今結果中。
 random.triangular(low, high, mode)  # 返回一個low <= N <=high的三角形分佈的隨機數。參數mode指明衆數出現位置。
 random.betavariate(alpha, beta)  # β分佈。返回的結果在0~1之間
 random.expovariate(lambd)  # 指數分佈
 random.gammavariate(alpha, beta)  # 伽瑪分佈
 random.gauss(mu, sigma)  # 高斯分佈
 random.lognormvariate(mu, sigma)  # 對數正態分佈
 random.normalvariate(mu, sigma)  # 正態分佈
 random.vonmisesvariate(mu, kappa)  # 卡帕分佈
 random.paretovariate(alpha)  # 帕累託分佈
 random.weibullvariate(alpha, beta)  # 威布爾分佈

 

實例：

Basic examples:

 

>>> random()                             # 隨機浮點數:  0.0 <= x < 1.0
0.37444887175646646

>>> uniform(2.5, 10.0)                   # 隨機浮點數:  2.5 <= x < 10.0
3.1800146073117523


>>> randrange(10)                        # 0-9的整數：
7

>>> randrange(0, 101, 2)                 # 0-100的偶數
26

>>> choice(['win', 'lose', 'draw'])      # 從序列隨機選擇一個元素
'draw'

>>> deck = 'ace two three four'.split()
>>> shuffle(deck)                        # 對序列進行洗牌，改變原序列
>>> deck
['four', 'two', 'ace', 'three']

>>> sample([10, 20, 30, 40, 50], k=4)    # 不改變原序列的抽取指定數目樣本，並生成新序列
[40, 10, 50, 30]


>>> # 6次旋轉紅黑綠輪盤(帶權重可重複的取樣)，不破壞原序列,weight[18,18,2]
>>> choices(['red', 'black', 'green'], [18, 18, 2], k=6)
['red', 'green', 'black', 'black', 'red', 'black']

>>> # 德州撲克計算機率Deal 20 cards without replacement from a deck of 52 playing cards
>>> # and determine the proportion of cards with a ten-value
>>> # (a ten, jack, queen, or king).
>>> deck = collections.Counter(tens=16, low_cards=36)
>>> seen = sample(list(deck.elements()), k=20)
>>> seen.count('tens') / 20
0.15

>>> # 模擬機率Estimate the probability of getting 5 or more heads from 7 spins
>>> # of a biased coin that settles on heads 60% of the time.'H'的機率是0.6，「T」的機率是1-0.6
>>> trial = lambda: choices('HT', cum_weights=(0.60, 1.00), k=7).count('H') >= 5
>>> sum(trial() for i in range(10000)) / 10000
0.4169

>>> # Probability of the median of 5 samples being in middle two quartiles
>>> trial = lambda : 2500 <= sorted(choices(range(10000), k=5))[2]  < 7500
>>> sum(trial() for i in range(10000)) / 10000
0.7958

>>> from statistics import mean
>>> from random import choices

>>> data = 1, 2, 4, 4, 10
>>> means = sorted(mean(choices(data, k=5)) for i in range(20))  # mean是求平均
>>> print(f'The sample mean of {mean(data):.1f} has a 90% confidence '
      f'interval from {means[1]:.1f} to {means[-2]:.1f}')  # 這裏的f用法

 

下面是生成一個包含大寫字母A-Z和數字0-9的隨機4位驗證碼的程序

 

import random

checkcode = ''
for i in range(4):
    current = random.randrange(0,4)
    if current != i:
        temp = chr(random.randint(65,90))
    else:
        temp = random.randint(0,9)
        checkcode += str(temp)
print(checkcode)

 

下面是生成指定長度字母數字隨機序列的代碼：

import random, string


def gen_random_string(length):
    # 數字的個數隨機產生
    num_of_numeric = random.randint(1,length-1)
    # 剩下的都是字母
    num_of_letter = length - num_of_numeric
    # 隨機生成數字
    numerics = [random.choice(string.digits) for i in range(num_of_numeric)]
    # 隨機生成字母
    letters = [random.choice(string.ascii_letters) for i in range(num_of_letter)]
    # 結合二者
    all_chars = numerics + letters
    # 洗牌
    random.shuffle(all_chars)
    # 生成最終字符串
    result = ''.join([i for i in all_chars])
    return result

if __name__ == '__main__':
    print(gen_random_string(64))