詳解隨機數的生成

隨機數參與的應用場景你們必定不會陌生，好比密碼加鹽時會在原密碼上關聯一串隨機數，蒙特卡洛算法會經過隨機數採樣等等。Python內置的random模塊提供了生成隨機數的方法，使用這些方法時須要導入random模塊。

import random

下面介紹下Python內置的random模塊的幾種生成隨機數的方法。

一、random.random()隨機生成 0 到 1 之間的浮點數[0.0, 1.0)。注意的是返回的隨機數可能會是 0 但不可能爲 1，即左閉右開的區間。

print("random: ", random.random())
#random:  0.5714025946899135

二、random.randint(a , b)隨機生成 a 與 b 之間的整數[a, b]，a<=n<=b，隨機整數不包含 b 時[a, b)可使用 random.randrange() 方法。

print("randint: ", random.randint(6,8))
#randint:  8

三、random.randrange(start,stop,step)按步長step隨機在上下限範圍內取一個隨機數，start<=n<stop。

print("randrange: ",random.randrange(20,100,5))
#randrange:  85

四、random.uniform(a, b)隨機生成 a 與 b 之間的浮點數[a, b]，a<=n<=b。

print("uniform: ",random.uniform(5,10))
#uniform:  5.119790163375776

五、random.choice()從列表中隨機取出一個元素，好比列表、元祖、字符串等。注意的是，該方法須要參數非空，不然會拋出 IndexError 的錯誤。

print("choice: ",random.choice("www.yuanxiao.net"))
#choice:  y

六、random.shuffle(items) 把列表 items 中的元素隨機打亂。注意的是，若是不想修改原來的列表，可使用 copy 模塊先拷貝一份原來的列表。

num = [1, 2, 3, 4, 5]
random.shuffle(num)
print("shuffle: ",num)
#shuffle:  [1, 3, 5, 4, 2]

七、random.sample(items, n)從列表 items 中隨機取出 n 個元素。

num = [1, 2, 3, 4, 5]
print("sample: ",random.sample(num, 3))
#sample:  [4, 1, 5]

Python 的random模塊產生的隨機數實際上是僞隨機數，依賴於特殊算法和指定不肯定因素(種子seed)來實現。如randint方法生成必定範圍內的隨機數，會先指定一個特定的seed，將seed經過特定的隨機數產生算法，獲得必定範圍內隨機分佈的隨機數。所以對於同一個seed值的輸入產生的隨機數會相同，省略參數則意味着使用當前系統時間秒數做爲種子值，達到每次運行產生的隨機數都不同。

random.seed(2)
print("random: ", random.random())
#random:  0.9560342718892494

random.seed(3)
print("random: ", random.random())
#random:  0.23796462709189137

random.seed(3)#同一個種子值，產生的隨機數相同
print("random: ", random.random())
#random:  0.23796462709189137

numpy庫也提供了random模塊，用於生成多維度數組形式的隨機數。使用時須要導入numpy庫。

import numpy as np

下面介紹下numpy庫的random模塊的幾種生成隨機數的方法。

一、numpy.random.rand(d0,d1,…,dn)

• rand函數根據給定維度生成[0,1]之間的數據，包含0，不包含1
• dn表格每一個維度
• 返回值爲指定維度的array

print("np.random.rand：\n {}".format(np.random.rand(4,2))) 
# shape: 4*3
"""
np.random.rand：
 [[0.5488135  0.71518937]
 [0.60276338 0.54488318]
 [0.4236548  0.64589411]
 [0.43758721 0.891773  ]]
"""
print("np.random.rand：\n {}".format(np.random.rand(4,3,2))) 
# shape: 4*3*2
"""
np.random.rand：
 [[[0.96366276 0.38344152]
  [0.79172504 0.52889492]
  [0.56804456 0.92559664]]

 [[0.07103606 0.0871293 ]
  [0.0202184  0.83261985]
  [0.77815675 0.87001215]]

 [[0.97861834 0.79915856]
  [0.46147936 0.78052918]
  [0.11827443 0.63992102]]

 [[0.14335329 0.94466892]
  [0.52184832 0.41466194]
  [0.26455561 0.77423369]]]
"""

二、numpy.random.randn(d0,d1,…,dn)

• randn函數返回一個或一組樣本，具備標準正態分佈。
• dn表格每一個維度
• 返回值爲指定維度的array
• 標準正態分佈—-standard normal distribution
• 標準正態分佈又稱爲u分佈，是以0爲均值、以1爲標準差的正態分佈，記爲N（0，1）。

print("np.random.randn：\n {}".format(np.random.randn())) 
# 當沒有參數時，返回單個數據
"""
np.random.randn：
 2.2697546239876076
"""
print("np.random.randn：\n {}".format(np.random.randn(2,4)))
"""
np.random.randn：
 [[-1.45436567  0.04575852 -0.18718385  1.53277921]
 [ 1.46935877  0.15494743  0.37816252 -0.88778575]]
"""
print("np.random.randn：\n {}".format(np.random.randn(4,3,2)))
"""
np.random.randn：
 [[[-1.98079647 -0.34791215]
  [ 0.15634897  1.23029068]
  [ 1.20237985 -0.38732682]]

 [[-0.30230275 -1.04855297]
  [-1.42001794 -1.70627019]
  [ 1.9507754  -0.50965218]]

 [[-0.4380743  -1.25279536]
  [ 0.77749036 -1.61389785]
  [-0.21274028 -0.89546656]]

 [[ 0.3869025  -0.51080514]
  [-1.18063218 -0.02818223]
  [ 0.42833187  0.06651722]]]
"""

三、numpy.random.randint(low, high=None, size=None, dtype=’l’)

• 返回隨機整數，範圍區間爲[low,high），包含low，不包含high
• 參數：low爲最小值，high爲最大值，size爲數組維度大小，dtype爲數據類型，默認的數據類型是np.int
• high沒有填寫時，默認生成隨機數的範圍是[0，low]

print("np.random.randint：\n {}".format(np.random.randint(1,size=5)))
# 返回[0,1)之間的整數，因此只有0
"""
np.random.randint：
 [0 0 0 0 0]
"""
print("np.random.randint：\n {}".format(np.random.randint(1,5)))# 返回1個[1,5)時間的隨機整數
"""
np.random.randint：
 2
"""
print("np.random.randint：\n {}".format(np.random.randint(-5,5,size=(2,2))))
"""
np.random.randint：
 [[-5 -3]
 [ 2 -3]]
"""

四、numpy.random.seed()

• np.random.seed()的做用：使得隨機數據可預測。
• 當咱們設置相同的seed，每次生成的隨機數相同。若是不設置seed，則每次會生成不一樣的隨機數

轉自：http://www.javashuo.com/article/p-hinfwwoh-hu.html