python获取随机数

‘壹’ 如何用python编写一个从随机数表1~100中抽取三个样本的随机数程序

#导入随机数模块

import random

#定义一个空的数组，用作取样表

reList = []

#为取样表赋值，1~100

for i in range(1,101):

reList.append(i)

#使用sample方法，取3个随机数

res = random.sample(reList,k=3)

print("三个随机数是：{}".format(res))

‘贰’ 怎么用python生成随机数

在Python中，random模块用于生成随机数。下面介绍下random模块中常用的几个函数

• 01

  打开我们python的ide

• 02

  在打开的shell中，首先需要导入random库，才可以使用random中的方法，首先介绍下应用最多的函数，random.random（），可以生成一个0到1的随机符点数

• 03

  random.uniform（a,b）函数，生成指定范围内的随机符点数，如下图

• 04

  random.randint（a,b）函数，生成一个指定范围内的整数，如下图

• 05

  random.choice(sqe)函数，从sqe序列中得到一个随机元素，如下图，序列元素可以包含很多种类，集合，列表，甚至元组都可以作为参数进行传递

‘叁’ python如何随机选取n个不同的数字

python随机选取n个不同的数字的方法：

1、使用“import random”导入random包

2、通过for语句循环执行n次“random.randint()”语句获取n个随机数并将随机数输入到列表中

n=10示例如下：

3、用set函数去重就可以了

完整代码：

更多Python知识，请关注：Python自学网！！

‘肆’ python产生1到100的随机数是多少

python产生1到100的随机数是机的“提示”可以简单地从一系列预制提示中随机选择，如果有5个预制提示，则可以在1-5之间选择一个随机数。

如果是为了得到随机的单个数，多考虑random模块；如果是为了得到随机小数或者整数的矩阵，就多考虑numpy中的random函数，对于random模块的函数调用方法的记忆，可以多从它本身的英译出发。

数据分析

1、返回a与b之间的随机浮点数N，范围为[a，b]如果a的值小于b的值，则生成的随机浮点数N的取值范围为a<=N<=b;如果a的值大于b的值，则生成的随机浮点数N的取值范围为b<=N<=a。

2、返回一个随机的整数N，N的取值范围为a<=N<=b。需要注意的是，a和b的取值必须为整数，并且a的值一定要小于b的值。

‘伍’ python中的随机数是怎么实现的

PYTHON中的伪随机数发生器用的是梅森旋转算法。
梅森旋转算法（Mersenne twister）是一个伪随机数发生算法。由松本真和西村拓士在1997年开发，基于有限二进制字段上的矩阵线性递归。可以快速产生高质量的伪随机数，修正了古典随机数发生算法的很多缺陷。
梅森旋转算法是R、Python、Ruby、IDL、Free Pascal、PHP、Maple、Matlab、GNU多重精度运算库和GSL的默认伪随机数产生器。从C++11开始，C++也可以使用这种算法。
整个算法主要分为三个阶段：获得基础的梅森旋转链；对于旋转链进行旋转算法；对于旋转算法所得的结果进行处理。
算法实现的过程中，参数的选取取决于梅森素数，故此得名。
梅森素数由梅森数而来。所谓梅森数，是指形如2↑p－1的一类数，其中指数p是素数，常记为Mp 。如果梅森数是素数，就称为梅森素数。
例如4-1=3，8-1=7，16-1=15（不是素数），32-1=31，64-1=63（不是素数）等等。

‘陆’ 用python生成随机数的几种方法

1 从给定参数的正态分布中生成随机数
当考虑从正态分布中生成随机数时，应当首先知道正态分布的均值和方差（标准差），有了这些，就可以调用python中现有的模块和函数来生成随机数了。这里调用了Numpy模块中的random.normal函数，由于逻辑非参简单，所有直接贴上代码如下：
import numpy as np# 定义从正态分布中获取随机数的函数def get_normal_random_number(loc, scale): """ :param loc: 正态分布的均值 :param scale: 正态分布的标准差 :return:从正态分布中产生的随机数 """ # 正态分布中的随机数生成 number = np.random.normal(loc=loc, scale=scale) # 返回值 return number# 主模块if __name__ == "__main__": # 函数调用 n = get_normal_random_number(loc=2, scale=2) # 打印结果 print(n) # 结果:3.275192443463058

2 从给定参数的均匀分布中获取随机数的函数
考虑从均匀分布中获取随机数的时候，要事先知道均匀分布的下界和上界，然后调用Numpy模块的random.uniform函数生成随机数。
import numpy as np# 定义从均匀分布中获取随机数的函数def get_uniform_random_number(low, high): """ :param low: 均匀分布的下界 :param high: 均匀分布的上界 :return: 从均匀分布中产生的随机数 """ # 均匀分布的随机数生成 number = np.random.uniform(low, high) # 返回值 return number# 主模块if __name__ == "__main__": # 函数调用 n = get_uniform_random_number(low=2, high=4) # 打印结果 print(n) # 结果:2.4462417140153114

3 按照指定概率生成随机数
有时候我们需要按照指定的概率生成随机数，比如已知盒子中每种颜色的球的比例，猜测下一次取出的球的颜色。在这里介绍的问题和上面的例子相似，要求给定一个概率列表，从列表对应的数字列表或区间列表中生成随机数，分两部分讨论。
3.1 按照指定概率从数字列表中随机抽取数字
假设给定一个数字列表和一个与之对应的概率列表，两个列表对应位置的元素组成的元组即表示该数字在数字列表中以多大的概率出现，那么如何根据这些已知条件从数字列表中按概率抽取随机数呢？在这里我们考虑用均匀分布来模拟概率，代码如下：
import numpy as npimport random# 定义从均匀分布中获取随机数的函数def get_uniform_random_number(low, high): """ :param low: 均匀分布的下界 :param high: 均匀分布的上界 :return: 从均匀分布中产生的随机数 """ # 均匀分布的随机数生成 number = np.random.uniform(low, high) # 返回值 return number# 定义从一个数字列表中以一定的概率取出对应区间中数字的函数def get_number_by_pro(number_list, pro_list): """ :param number_list:数字列表 :param pro_list:数字对应的概率列表 :return:按概率从数字列表中抽取的数字 """ # 用均匀分布中的样本值来模拟概率 x = random.uniform(0, 1) # 累积概率 cum_pro = 0.0 # 将可迭代对象打包成元组列表 for number, number_pro in zip(number_list, pro_list): cum_pro += number_pro if x < cum_pro: # 返回值 return number# 主模块if __name__ == "__main__": # 数字列表 num_list = [1, 2, 3, 4, 5] # 对应的概率列表 pr_list = [0.1, 0.3, 0.1, 0.4, 0.1] # 函数调用 n = get_number_by_pro(number_list=num_list, pro_list=pr_list) # 打印结果 print(n) # 结果:1

3.2 按照指定概率从区间列表中的某个区间内生成随机数
给定一个区间列表和一个与之对应的概率列表，两个列表相应位置的元素组成的元组即表示某数字出现在某区间内的概率是多少，已知这些，我们如何生成随机数呢？这里我们通过两次使用均匀分布达到目的，代码如下：
import numpy as npimport random# 定义从均匀分布中获取随机数的函数def get_uniform_random_number(low, high): """ :param low: 均匀分布的下界 :param high: 均匀分布的上界 :return: 从均匀分布中产生的随机数 """ # 均匀分布的随机数生成 number = np.random.uniform(low, high) # 返回值 return number# 定义从一个数字列表中以一定的概率取出对应区间中数字的函数def get_number_by_pro(number_list, pro_list): """ :param number_list:数字列表 :param pro_list:数字对应的概率列表 :return:按概率从数字列表中抽取的数字 """ # 用均匀分布中的样本值来模拟概率 x = random.uniform(0, 1) # 累积概率 cum_pro = 0.0 # 将可迭代对象打包成元组列表 for number, number_pro in zip(number_list, pro_list): cum_pro += number_pro if x < cum_pro: # 从区间[number. number - 1]上随机抽取一个值 num = get_uniform_random_number(number, number - 1) # 返回值 return num# 主模块if __name__ == "__main__": # 数字列表 num_list = [1, 2, 3, 4, 5] # 对应的概率列表 pr_list = [0.1, 0.3, 0.1, 0.4, 0.1] # 函数调用 n = get_number_by_pro(number_list=num_list, pro_list=pr_list) # 打印结果 print(n) # 结果:3.49683787011193

‘柒’ randint在python中的意思

python中的randint用来生成随机数，在使用randint之前，需要调用random库。其表达是为random.randint(x,y)，参数x和y代表生成随机数的区间范围。

random() 函数命名来源于英文单词random（随机）。randint是random + integer拼接简写而成，代表随机一个整数。

Python标准库中的random函数，可以生成随机浮点数、整数、字符串，甚至帮助你随机选择列表序列中的一个元素，打乱一组数据等。

函数randint的使用

1、OUT = RANDINT

产生一个“ 0 ”或“ 1 ”等概率。

2、OUT = RANDINT(M)

生成的M 矩阵的随机二进制数字，“ 0 ”和“ 1 ”出现的概率均等。

3、OUT = RANDINT(M,N)

生成的（M,N) 矩阵的随机二进制数字,“ 0 ”和“ 1 ”出现的概率均等。

4、OUT = RANDINT(M,N,RANGE)

生成的(M,N) 矩阵的随机二进制数字，RANGE范围可以是标量或向量。

标量：为正的话，取值为[0,RANGE-1] ，为负的话，取值为 [RANGE+1, 0]。

向量：取值为[RANGE(1), RANGE(2)]。

5、OUT = RANDINT(M,N,RANGE,STATE)

resets the state of RAND to STATE。

‘捌’ python 怎么从集合中随机数

举例说明：从集合中随机获得10个数

1、定义一个列表集合iRandom = []

2、向iRandom中插入1-60，共60个数字

3、打乱列表顺序

4、截取列表前10个数，即为随机获取到的列表集合随机数

importrandom

iRandom=[]#定义随机数列表
listRandom=list(range(1,61))#生成整数型1-60的列表组合
random.shuffle(listRandom)#打乱列表顺序
iRandom=listRandom[0:10]#截取打乱后的前10个值，赋值给新列表iRandom
print('随机列表组合：',iRandom)

‘玖’ python如何一次性取出多个随机数

Python内置的函数一次只能生成一个随机数，然而你可以方便地使用表理解(list comprehension)一次性生成多个随机数。示例的代码如下：

importrandom

[random.randint(0,100)for_inrange(10)]
#[57,93,22,55,41,64,47,32,93,61]

range函数输入不同的值，可以设置需要生成随机数的个数，上面的例子中生成了10个随机数。