python标准库random模块处理随机数

目录

前言

random模块实现了各种分布的伪随机数生成器。

伪随机数:人类使用算法等方式,以一个基准(也被称为种子,常用的是时间戳)来构造一系列数字,这些数字的特性符合人们所理解的随机数。一旦算法和种子都确定,产生的随机数序列也是确定的,所以称为伪随机数。

1. 常用函数 常用函数 说明 random.seed(a) 设置初始化随机种子,可输出相同随机数序列;a取整数或浮点数,不设置时默认以系统时间为种子 random.random() 生成一个0.0到1.0之间的随机浮点数 random.uniform(a,b) 生成一个[a,b]之间的随机小数,a,b取整数或浮点数 random.randint(a,b) 生成一个[a,b]之间的随机整数 random.randrange(start,stop[,step]) 生成一个[start,stop)之间以step为步数的随机整数;start,stop,step都是整数,step不设置默认为1 random.getrandbits(k)(seq) 生成一个占内存k位以内的随机整数;k取长度的整数值如果设置k=2,那么可取的数就在 (0,1,2,3) 之间随机取 random.choice(seq) 从序列类型seq中随机返回一个元素;seq是序列类型,如:字符串、列表、元组、集合等 random.shuffle(seq) 将序列类型中元素随机排序,返回打乱后的序列,seq被改变(改变原列表);seq是序列类型,如:字符串、列表、元组等 random.sample(pop,k) 从pop中选取k个元素,以列表类型返回(不改变原列表);pop是序列类型,k是整数表示取k个数

常用函数使用方法:

import random

print('no seed')
for i in range(5):
    ret = random.randint(1,10)
    print(ret)

print()

print(random.random())
print(random.uniform(1,10))
print(random.randint(0,10))
print(random.randrange(1,10,5))
print(random.getrandbits(2))

print(random.choice([1,3,5,7,9]))
l=[1,2,3,4]
random.shuffle(l)
print(l)

print(random.sample(l,2))

print('*'*40)
print('has seed')
random.seed(1)
for i in range(5):
    ret = random.randint(1,10)
    print(ret)

print(random.random())
print(random.uniform(1,10))
print(random.randint(0,10))
print(random.randrange(1,10,5))
print(random.getrandbits(2))
print(random.choice([1,3,5,7,9]))

l=[1,2,3,4]
random.shuffle(l)
print(l)

print(random.sample(l,2))

显示结果:

no seed47551()0.7301778347744.059877124078607[1, 4, 2, 3][4, 1]****************************************has seed298350.4494910647896.86433675458109[1, 3, 4, 2][4, 1]

2. 不常用函数

random模块中不常用的函数有如下:

函数名 说明 random.getstate() 捕获并返回生成器当前内部状态的对象,可以把它传递给setstate()函数来把生成器内部状态恢复到调用getstate()函数之前的状态,相当于备份 random.setstate(state) state应该是getstate()函数的结果,用来把生成器当前的内部状态恢复为state random.betavariate(alpha,beta) Beta分布:参数的条件是alpha>0和beta > 0,返回值的范围介于0和1之间 random.expovariate(lambd) 指数分布 random.gammavariate(alpha,beta) Gamma分布:参数的条件的alpha > 0 & beta < 0 random.gauss(mu,sigma) 高斯分布: mu是平均值,sigma是标准差 random.normalvariate(mu,sigma) 正态分布:mu是平均值,sigma是标准差 random.paretovariate(alpha) 帕累托分布:alpha是形状参数 random.weibullvariate(alpha,beta) 威布尔分布:alpha是比例参数,beta是形状参数

3. 使用示例

3.1 生成随机密码

生成的密码包含数字和字母,可以指定密码的位数。

# -*- coding: utf-8 -*-
"""
@File   :   随机生成密码.py
@E-Mail :   zoya.zh@qq.com
"""
import random
import string

def get_random_passwd(length:int):
    '''
    生成随机密码h
    :param length:  密码的长度
    :return:  生成的随机密码
    '''
    num_count = random.randint(1,length-1)   # 密码中数字的个数
    char_count = length - num_count  # 密码中字母的个数

    num_list = [random.choice(string.digits) for i in range(num_count)]  # 随机生成的数字

    char_list = [random.choice(string.ascii_letters) for i in range(char_count)]  # 随机生成的字母

    psw = num_list + char_list

    # 随机排列序列中的字符
    random.shuffle(psw)

    # 把得到的密码转成字符串的格式返回
    result = ''.join(psw)

    return result

if __name__ == '__main__':
    psw = get_random_passwd(8)
    print(psw)

测试时每次都会生成不同的密码

8oG4GW76

261Ro923

原文地址:https://blog.csdn.net/sinat_41752325/article/details/126999626
62人参与, 0条评论 登录后显示评论回复

你需要登录后才能评论 登录/ 注册