1. random偽亂數生成器
random模塊基于Mersenne Twister演算法提供了一個快速偽亂數生成器，原來開發這個生成器是為了向蒙特卡洛模擬生成輸入，Mersenne Twister演算法會生成大周期近均勻分布的數，因此適用于大量不同型別的應用，
1.1 生成亂數
random()函式從所生成的序列回傳下一個隨機的浮點值，回傳的所有值都落在0<=n<1.0區間內，
import random for i in range(5): print('%04.3f' % random.random(), end=' ') print()
重復運行這個程式會產生不同的數字序列，
要生成一個指定數值區間內的數，則要使用uniform()，
import random for i in range(5): print('{:04.3f}'.format(random.uniform(1, 100)), end=' ') print()
傳入最小值和最大值，uniform()會使用公式min+(max-min)*random()來調整random()的回傳值，
1.2 指定種子
每次呼叫random()都會生成不同的值，并且在一個非常大的周期之后數字才會重復，這對于生成唯一值或變化的值很有用，不過有些情況下可能需要提供相同的資料集，從而以不同的方式處理，對此，一種技術是使用一個程式生成隨機值，并保存這些隨機值，以便在另一個步驟中再做處理，不過，這對于量很大的資料來說可能并不實用，所以random包含了一個seed()函式，可以用來初始化偽亂數生成器，使它能生成一個期望的值集，
import random random.seed(1) for i in range(5): print('{:04.3f}'.format(random.random()), end=' ') print()
種子(seed)值會控制由公式生成的第一個值，該公式可用來生成偽亂數，由于公式是確定的，所以改變種子后便設定了將生成的整個序列，seed()的引數可用是任意的可散列物件，默認為使用一個平臺特定的隨機源(如果有的話)，但如果沒有這樣一個隨機源，則使用當前時間，
1.3 保存狀態
random()使用的偽隨機演算法的內部狀態可以保存，并用于控制后續生成的亂數，如果在繼續生成亂數之前恢復前一個狀態，則會減少出現重復的可能性，即避免出現之前輸入中重復的值或值序列，getstate()函式會回傳一些資料，以后可以借助setstate()利用這些資料重新初始化偽亂數生成器，
import random import os import pickle if os.path.exists('state.dat'): # Restore the previously saved state print('Found state.dat, initializing random module') with open('state.dat', 'rb') as f: state = pickle.load(f) random.setstate(state) else: # Use a well-known start state print('No state.dat, seeding') random.seed(1) # Produce random values for i in range(3): print('{:04.3f}'.format(random.random()), end=' ') print() # Save state for next time with open('state.dat', 'wb') as f: pickle.dump(random.getstate(), f) # Produce more random values print('\nAfter saving state:') for i in range(3): print('{:04.3f}'.format(random.random()), end=' ') print()
getstate()回傳的資料是一個實作細節，所以這個例子用pickle將資料保存到一個檔案；否則，它會把偽亂數生成器當作一個黑盒，如果程式開始時這個檔案存在，則加載原來的狀態并繼續，每次運行時都會在保存狀態之前和之后生成一些數，以展示恢復狀態會使生成器再次生成同樣的值，
第一次：
第二次：
1.4 隨機整數
random()將生成浮點數，可以把結果轉換為整數，不過直接使用randint()生成整數會更方便，
import random print('[1, 100]:', end=' ') for i in range(3): print(random.randint(1, 100), end=' ') print('\n[-5, 5]:', end=' ') for i in range(3): print(random.randint(-5, 5), end=' ') print()
randint()的引數是值的閉區間的兩端，這些數可以是正數或負數，不過第一個值要小于第二個值，
randrange()是從區間選擇值的一種更一般的形式，
import random for i in range(3): print(random.randrange(0, 101, 5), end=' ') print()
除了開始值(start)和結束值(stop)，randrange()還支持一個步長(step)引數，所以它完全等價于從range(start,stop,step)選擇一個隨機值，不過randrange更高效，因為它并沒有真正構造區間，
1.5 選擇隨機元素
亂數生成器有一種常見用法，即從一個列舉值序列中選擇元素，即使這些值并不是數字，random包括一個choice()函式，可以從一個序列中隨機選擇，下面這個例子模擬硬幣10000此來統計多少次面朝上，多少次面朝下，
import random import itertools outcomes = { 'heads': 0, 'tails': 0, } sides = list(outcomes.keys()) for i in range(10000): outcomes[random.choice(sides)] += 1 print('Heads:', outcomes['heads']) print('Tails:', outcomes['tails'])
由于只允許兩個結果，所以不必使用數字然后再進行轉換，這里對choice()使用了單詞“heads”(表示面朝上)和“tails”(表示面朝下)，結果以表格形式存盤在一個字典中，使用結果名作為鍵，
1.6 排列
要模擬一個撲克牌游戲，需要把一副牌混起來，然后向玩家發牌，同一張牌不能多次使用，使用choice()可能導致同一張牌被發出兩次，所以，可以用shuffle()來洗牌，然后在發各張牌時洗掉所發的牌，
import random import itertools FACE_CARDS = ('J', 'Q', 'K', 'A') SUITS = ('H', 'D', 'C', 'S') def new_deck(): return [ # Always use 2 places for the value, so the strings # are a consistent width. '{:>2}{}'.format(*c) for c in itertools.product( itertools.chain(range(2, 11), FACE_CARDS), SUITS, ) ] def show_deck(deck): p_deck = deck[:] while p_deck: row = p_deck[:13] p_deck = p_deck[13:] for j in row: print(j, end=' ') print() # Make a new deck, with the cards in order deck = new_deck() print('Initial deck:') show_deck(deck) # Shuffle the deck to randomize the order random.shuffle(deck) print('\nShuffled deck:') show_deck(deck) # Deal 4 hands of 5 cards each hands = [[], [], [], []] for i in range(5): for h in hands: h.append(deck.pop()) # Show the hands print('\nHands:') for n, h in enumerate(hands): print('{}:'.format(n + 1), end=' ') for c in h: print(c, end=' ') print() # Show the remaining deck print('\nRemaining deck:') show_deck(deck)
這些撲克牌被表示為字串，包括面值和一個表示花色的字母，要創建發出的“一手牌”，可以一次向4個串列分別增加一張牌，然后從這副牌中將發出的牌洗掉，使這些牌不會再次發出，
1.7 采樣
很多模擬需要從大量輸入值中得到隨機樣本，sample()函式可以生成無重復值的樣本，并且不會修改輸入序列，下面的例子會列印系統字典中單詞的一個隨機樣本，
words.txt
pear
apricot
grape
pineapple
apple
peach
banana
plum
watermelon
lemon
orange
mango
strawberry
Demo.py
import random with open('words.txt', 'rt') as f: words = f.readlines() words = [w.rstrip() for w in words] for w in random.sample(words, 5): print(w)
第一次：
第二次：
1.8 多個并發生成器
除了模塊級函式，random還包括一個Random類以管理多個亂數生成器的內部狀態，之前介紹的所有函式都可以作為Random實體的方法得到，并且每個實體都可以被單獨初始化和使用，而不會干擾其他實體回傳的值，
import random import time print('Default initializiation:\n') r1 = random.Random() r2 = random.Random() for i in range(3): print('{:04.3f} {:04.3f}'.format(r1.random(), r2.random())) print('\nSame seed:\n') seed = time.time() r1 = random.Random(seed) r2 = random.Random(seed) for i in range(3): print('{:04.3f} {:04.3f}'.format(r1.random(), r2.random()))
如果系統上設定了很好的原生隨機值種子，那么實體會有獨特的初始狀態，不過，如果沒有一個好的平臺隨機值生成器，那么不同實體往往會以當前時間作為種子，并因此生成相同的值，
1.9 SystemRandom
有些作業系統提供了一個亂數生成器，可以訪問更多能引入生成器的資訊源，random通SystemRandom類提供了這個特性，該類與Random的API相同，不過使用os.urandom()生成值，該值會構成所有其他演算法的基礎，
import random import time print('Default initializiation:\n') r1 = random.SystemRandom() r2 = random.SystemRandom() for i in range(3): print('{:04.3f} {:04.3f}'.format(r1.random(), r2.random())) print('\nSame seed:\n') seed = time.time() r1 = random.SystemRandom(seed) r2 = random.SystemRandom(seed) for i in range(3): print('{:04.3f} {:04.3f}'.format(r1.random(), r2.random()))
SystemRandom產生的序列是不可再生的，因為其隨機性來自系統，而不是來自軟體狀態(實際上，seed()和setstate()根本不起作用)，
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/181827.html
標籤：Python
上一篇：【2020Python修煉記7】Python語法入門—基本資料型別_數字型別（整型+浮點型）
下一篇：Python—行程間通信