建站
咨詢
售后
建站咨詢
新聞中心
在開始了解之前，我們需要知道random()函數(shù)是需要導(dǎo)入模板，才可以進(jìn)行訪問，然后通過調(diào)用靜態(tài)對(duì)象來使用這個(gè)方法，另外返回生成的隨機(jī)實(shí)數(shù)，是有一定的范圍。下面正式開始主題介紹：
在管城等地區(qū)，都構(gòu)建了全面的區(qū)域性戰(zhàn)略布局，加強(qiáng)發(fā)展的系統(tǒng)性、市場(chǎng)前瞻性、產(chǎn)品創(chuàng)新能力，以專注、極致的服務(wù)理念，為客戶提供成都網(wǎng)站設(shè)計(jì)、做網(wǎng)站、成都外貿(mào)網(wǎng)站建設(shè)公司 網(wǎng)站設(shè)計(jì)制作按需求定制網(wǎng)站,公司網(wǎng)站建設(shè),企業(yè)網(wǎng)站建設(shè),成都品牌網(wǎng)站建設(shè),成都全網(wǎng)營(yíng)銷推廣,外貿(mào)營(yíng)銷網(wǎng)站建設(shè),管城網(wǎng)站建設(shè)費(fèi)用合理。
先給大家?guī)硪涣袑?shí)例“生成-4-7之間的隨機(jī)數(shù)，并且和為1，并將符合條的2個(gè)值打印出來”，通過調(diào)用random（）函數(shù)，代碼如下：
import random for i in range(30): num1=random.randint(-4,8) num2 = random.randint(-4, 8) if num1+num2==1: print(num1,num2)
運(yùn)行結(jié)果：
-1 2 2 -1
以上是調(diào)用：整數(shù)用函數(shù)
random.randrange(stop)
random.randrange(start, stop[, step])
從 range(start, stop, step) 返回一個(gè)隨機(jī)選擇的元素。 這相當(dāng)于 choice(range(start, stop, step)) ，但實(shí)際上并沒有構(gòu)建一個(gè) range 對(duì)象。
位置參數(shù)模式匹配 range() 。不應(yīng)使用關(guān)鍵字參數(shù)，因?yàn)樵摵瘮?shù)可能以意外的方式使用它們。
拓展random（）函數(shù)調(diào)用用法以及實(shí)例演示
如常用數(shù)學(xué)實(shí)踐中所使用的那樣, 函數(shù)參數(shù)以分布方程中的相應(yīng)變量命名;大多數(shù)這些方程都可以在任何統(tǒng)計(jì)學(xué)教材中找到。
1、random.random()
返回 [0.0, 1.0) 范圍內(nèi)的下一個(gè)隨機(jī)浮點(diǎn)數(shù)。
2、random.uniform(a, b)
返回一個(gè)隨機(jī)浮點(diǎn)數(shù) N ，當(dāng) a <= b 時(shí) a <= N <= b ，當(dāng) b < a 時(shí) b <= N <= a 。
取決于等式 a + (b-a) * random() 中的浮點(diǎn)舍入，終點(diǎn) b 可以包括或不包括在該范圍內(nèi)。
3、random.triangular(low, high, mode)
返回一個(gè)隨機(jī)浮點(diǎn)數(shù) N ，使得 low <= N <= high 并在這些邊界之間使用指定的 mode 。 low 和 high 邊界默認(rèn)為零和一。 mode 參數(shù)默認(rèn)為邊界之間的中點(diǎn)，給出對(duì)稱分布。
4、random.betavariate(alpha, beta)
Beta 分布。 參數(shù)的條件是 alpha > 0 和 beta > 0。 返回值的范圍介于 0 和 1 之間。
5、random.expovariate(lambd)
指數(shù)分布。 lambd 是 1.0 除以所需的平均值，它應(yīng)該是非零的。 （該參數(shù)本應(yīng)命名為 “l(fā)ambda” ，但這是 Python 中的保留字。）如果 lambd 為正，則返回值的范圍為 0 到正無窮大；如果 lambd 為負(fù)，則返回值從負(fù)無窮大到 0。
6、random.gammavariate(alpha, beta)
Gamma 分布。 （ 不是 gamma 函數(shù)！ ） 參數(shù)的條件是 alpha > 0 和 beta > 0。
概率分布函數(shù)是:
x ** (alpha - 1) * math.exp(-x / beta) pdf(x) = -------------------------------------- math.gamma(alpha) * beta ** alpha
7、random.gauss(mu, sigma)
高斯分布。 mu 是平均值，sigma 是標(biāo)準(zhǔn)差。 這比下面定義的 normalvariate() 函數(shù)略快。
8、random.lognormvariate(mu, sigma)
對(duì)數(shù)正態(tài)分布。 如果你采用這個(gè)分布的自然對(duì)數(shù)，你將得到一個(gè)正態(tài)分布，平均值為 mu 和標(biāo)準(zhǔn)差為 sigma。 mu 可以是任何值，sigma 必須大于零。
9、random.normalvariate(mu, sigma)
正態(tài)分布。 mu 是平均值，sigma 是標(biāo)準(zhǔn)差。
10、random.vonmisesvariate(mu, kappa)
mu 是平均角度，以弧度表示，介于0和 2*pi 之間，kappa 是濃度參數(shù)，必須大于或等于零。 如果 kappa 等于零，則該分布在0到 2*pi 的范圍內(nèi)減小到均勻的隨機(jī)角度。
11、random.paretovariate(alpha)
帕累托分布。 alpha 是形狀參數(shù)。
12、random.weibullvariate(alpha, beta)
威布爾分布。 alpha 是比例參數(shù)，beta 是形狀參數(shù)。
13、class random.Random([seed])
該類實(shí)現(xiàn)了 random 模塊所用的默認(rèn)偽隨機(jī)數(shù)生成器。
14、class random.SystemRandom([seed])
使用 os.urandom() 函數(shù)的類，用從操作系統(tǒng)提供的源生成隨機(jī)數(shù)。 這并非適用于所有系統(tǒng)。 也不依賴于軟件狀態(tài)，序列不可重現(xiàn)。 因此，seed() 方法沒有效果而被忽略。 getstate() 和 setstate() 方法如果被調(diào)用則引發(fā) NotImplementedError。
大多數(shù)隨機(jī)模塊的算法和種子函數(shù)都會(huì)在 Python 版本中發(fā)生變化，但保證兩個(gè)方面不會(huì)改變：
1）如果添加了新的播種方法，則將提供向后兼容的播種機(jī)。
2）當(dāng)兼容的播種機(jī)被賦予相同的種子時(shí)，生成器的 random() 方法將繼續(xù)產(chǎn)生相同的序列。
基本示例：
>>> random() # Random float: 0.0 <= x < 1.0 0.37444887175646646 >>> uniform(2.5, 10.0) # Random float: 2.5 <= x < 10.0 3.1800146073117523 >>> expovariate(1 / 5) # Interval between arrivals averaging 5 seconds 5.148957571865031 >>> randrange(10) # Integer from 0 to 9 inclusive 7 >>> randrange(0, 101, 2) # Even integer from 0 to 100 inclusive 26 >>> choice(['win', 'lose', 'draw']) # Single random element from a sequence 'draw' >>> deck = 'ace two three four'.split() >>> shuffle(deck) # Shuffle a list >>> deck ['four', 'two', 'ace', 'three'] >>> sample([10, 20, 30, 40, 50], k=4) # Four samples without replacement [40, 10, 50, 30]
想必通過以上對(duì)python中random()函數(shù)的用法結(jié)合實(shí)例展示，大家已經(jīng)有一定認(rèn)知了吧~如需了解更多python實(shí)用知識(shí)，點(diǎn)擊進(jìn)入PyThon學(xué)習(xí)網(wǎng)教學(xué)中心。
本文題目：創(chuàng)新互聯(lián)Python教程：Python中如何調(diào)用random()函數(shù)
當(dāng)前路徑：http://www.5511xx.com/article/dpdejcj.html
