一、參考random模塊的經典“隨機”用法：random(), randint()
import random
x = random.random()
print('random()回傳一個左閉右開介于[0.0, 1.0)區間的小數：', x)
random()回傳一個左閉右開介于[0.0, 1.0)區間的小數： 0.7662809561539784
x = random.randint(1, 100)
y = random.randrange(1, 101)
print('randint(a, b)與randrange(a, b+1)兩函式,均回傳一個隨機整數N，N滿足“a <= N <= b”，：', x, y)
randint(a, b)與randrange(a, b+1)兩函式,均回傳一個隨機整數N，N滿足“a <= N <= b”，： 52 83
二、在資料分析中常用的隨機函式
x = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
random.shuffle(x) # 直接在原串列基礎上進行洗牌
print('洗牌結果：', x)
洗牌結果： [5, 9, 10, 4, 3, 7, 8, 6, 2, 1]
- shuffle函式常用于對一個可變的序列進行整體洗牌打亂，注意：其對傳入的序列進行直接修改，
x = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
y = random.sample(x, 5) # 從原串列中抽取5個樣本，回傳新串列
print('抽取的包含5個樣本的串列：', y)
抽取的包含5個樣本的串列： [4, 6, 5, 10, 1]
- sample函式常用于在一個集合中隨機進行采樣，其不會修改引數中傳入的原序列，
import matplotlib.pyplot as plt
data = [random.normalvariate(0, 1) for i in range(10000)]
plt.hist(data, bins=100)
plt.show()
- normalvariate(mu, sigma)函式生成呈正態分布的亂數，mu是平均值，sigma是標準差，
總結：隨機函式在編程中會經常用到，它讓我們的程式在可控的情況下又充滿了無限的可能和神秘，
命運，一半在自己手中，另一半在上帝手中；
在你灰心失望時，別忘了自己擁有一半的命運；
在你得意忘形時，別忘了上帝手里還有一半的命運，
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/229861.html
標籤：python
上一篇：Graphviz安裝應用