python模块详解—random
标签：pythonlibrandom模块是python中专门用于生成随机数，下面的文章就是对Python生成随机数与random模块中最常用的几个函数的关系，希望你会有所收获
random模块函数预览
random主要函数使用参数
一、random.random()
一个介于左闭右开[0.0, 1.0)区间的浮点数
二、random.uniform(a, b)
返回一个介于a和b之间的浮点数(a<= n < b) 。如果a>b，则是b到a之间的浮点数。这里的a和b都有可能出现在结果中。
三、random.randint(a, b)
random.randint(a, b)
返回range[a,b]之间的一个整数，等价于然的range(a,b+1)
四、random.randrange(start, stop[, setp])
random.randrange(stop) # 返回range(0,stop)之间的一个整数
random.randrange(start, stop[, step]) # 返回range[start,stop)之间的一个整数，可加step，跟range(0,10,2)类似
五、random.choice(seq)
从非空序列seq中随机选取一个元素。如果seq为空则弹出 IndexError异常。
>>> import random
>>> random.choice('abcdefg&#%^*f')
'd'六、random.sample(population, k)
从population样本或集合中随机抽取K个不重复的元素形成新的序列。常用于不重复的随机抽样。返回的是一个新的序列，不会破坏原有序列。要从一个整数区间随机抽取一定数量的整数，请使用sample(range(10000000), k=60)类似的方法，这非常有效和节省空间。如果k大于population的长度，则弹出ValueError异常。
常用于多个字符中选取特定数量的字符
>>> import random
random.sample('abcdefghij',3)
['a', 'd', 'b']多个字符中选取特定数量的字符组成新字符串：
>>> import random
>>> import string
>>> string.join(random.sample(['a','b','c','d','e','f','g','h','i','j'], 3)).r
eplace(" ","")
'fih'七、random.shuffle(x[, random])
随机打乱序列x内元素的排列顺序。只能针对可变的序列，对于不可变序列，请使用下面的sample()方法。
常用于洗牌：
>>> import random
>>> items = [1, 2, 3, 4, 5, 6]
>>> random.shuffle(items)
>>> items
[3, 2, 5, 6, 4, 1]八、其它不常用函数介绍
random.seed(a=None, version=2) # 初始化伪随机数生成器。如果未提供a或者a=None，则使用系统时间为种子。如果a是一个整数，则作为种子。
random.getstate() # 返回一个当前生成器的内部状态的对象
random.setstate(state) # 传入一个先前利用getstate方法获得的状态对象，使得生成器恢复到这个状态。
random.getrandbits(k) # 返回range(0,2**k)之间的一个整数，相当于randrange(0,2**k)
random.triangular(low, high, mode) # 返回一个low <= N <=high的三角形分布的随机数。参数mode指明众数出现位置。
random.betavariate(alpha, beta) # β分布。返回的结果在0~1之间
random.expovariate(lambd) # 指数分布
random.gammavariate(alpha, beta) # 伽玛分布
random.gauss(mu, sigma) # 高斯分布
random.lognormvariate(mu, sigma) # 对数正态分布
random.normalvariate(mu, sigma) # 正态分布
random.vonmisesvariate(mu, kappa) # 卡帕分布
random.paretovariate(alpha) # 帕累托分布
random.weibullvariate(alpha, beta) # 威布尔分布
示例：
>>> random() # 随机浮点数: 0.0 <= x < 1.0
0.37444887175646646
>>> uniform(2.5, 10.0) # 随机浮点数: 2.5 <= x < 10.0
3.1800146073117523
>>> randrange(10) # 0-9的整数：
7
>>> randrange(0, 101, 2) # 0-100的偶数
26
>>> choice(['win', 'lose', 'draw']) # 从序列随机选择一个元素
'draw'
>>> deck = 'ace two three four'.split()
>>> shuffle(deck) # 对序列进行洗牌，改变原序列
>>> deck
['four', 'two', 'ace', 'three']
>>> sample([10, 20, 30, 40, 50], k=4) # 不改变原序列的抽取指定数目样本，并生成新序列
[40, 10, 50, 30]
>>> # 6次旋转红黑绿轮盘(带权重可重复的取样)，不破坏原序列,weight[18,18,2]
>>> choices(['red', 'black', 'green'], [18, 18, 2], k=6)
['red', 'green', 'black', 'black', 'red', 'black']
>>> # 德州扑克计算概率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
>>> # 模拟概率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'的概率是0.6，“T”的概率是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}') # 这里的f用法 下面是生成指定长度字母数字随机序列的代码：
import random, string
def gen_random_string(length):
# 数字的个数随机产生
num_of_numeric = random.randint(1,length-1)
# 剩下的都是字母
num_of_letter = length - num_of_numeric
# 随机生成数字
numerics = [random.choice(string.digits) for i in range(num_of_numeric)]
# 随机生成字母
letters = [random.choice(string.ascii_letters) for i in range(num_of_letter)]
# 结合两者
all_chars = numerics + letters
# 洗牌
random.shuffle(all_chars)
# 生成最终字符串
result = ''.join([i for i in all_chars])
return result
if __name__ == '__main__':
print(gen_random_string(64)) 参考：http://blog.csdn.net/zheng_lan_fang/article/details/76684761 https://www.cnblogs.com/duking1991/p/6121300.html