二维数组中的随机数

在 Python 中，我们可以通过使用 random() 方法和 range() 函数来创建数组或者填充随机数的二维数组。

range() 函数生成给定范围内的数字序列。

要生成一个随机数数组，我们将首先生成一个给定范围内的数字序列，然后我们将从该范围中选择随机数并将它们存储在一个数组中，如下面的代码所示：

import random
[random.random() for i in range(0,5)]

同样，要创建二维数组，我们可以使用嵌套列表推导式。
列表推导式是在 Python 中创建列表的一种简短方法，如下所示：

代码：

[[random.random() for i in range(0, 3)] for j in range(0, 3)]

新创建的二维数组包含 3 行 3 列。

随机数概率

考虑给我们一个元素列表，我们必须根据它们的优先级从列表中选择随机元素。

我们要做的是为列表的元素分配权重。
权重最高的元素将有更多机会出现在结果列表中。

换句话说，具有最高权重的元素将被添加到新列表中的概率最高。

在 Python 中，我们可以使用随机模块的choices() 方法根据概率从列表中选择一个随机元素。
choice() 方法的语法如下：

语法：

random.choices(sequence, weights, cum_weights, k)

• sequence：是 Python 的可迭代对象，例如列表、元组或者数字范围。
• weights：是可选的。它是一个列表，用于指定给定序列中元素的相对权重。权重指定要选择元素的概率或者可能性。
• cum_weights 是可选的。它是一个列表，用于指定给定序列中元素的累积权重。权重指定要选择元素的概率或者可能性。
• k 是可选的。它是一个整数，用于定义结果列表的大小（长度）。

使用以下公式计算相对权重：

relative_weight = weight of element / sum of all weights

而元素的累积权重使用以下公式计算：

cumulative_weight = weight of previous element + weight of the current element

random.choices() 的返回类型是基于输入列表元素的权重选择的元素的 k 大小列表。

示例：

import random
input_list = ['school', 'book', 'bag', 'bottle']
output_list = random.choices(input_list, weights = [10, 30, 40, 20], k = 8)
print(output_list)

从输出中可以看出，元素“bag”的概率最高，因此，它在结果列表中再次出现的概率最高。

生成真随机数

正如我们在开头提到的那样，基于算术参数生成随机数很容易猜测。
要生成真正的随机数，计算机必须测量物理参数。

例如，我们想生成一个真正的随机数，我们可以测量鼠标移动、输入设备的输入响应等。

在 Python 中，我们可以使用 random.SystemRandom() 类来生成真正的随机数。

该类使用操作系统提供的资源生成随机数，不依赖于任何软件。
这些数字无法复制。

我们可以通过 random.SystemRandom() 使用 random 模块的所有方法。
不同之处在于 SystemRandom() 使用操作系统资源。

import random
trng = random.SystemRandom()
trng.randint(1, 15)

此代码生成 1 到 15 之间的真正随机数。
类似地，我们可以使用 random.SystemRandom().random 生成真正的浮动随机数：

random.SystemRandom().random()

范围内的随机浮点数/双精度数

random 模块提供了几个函数来生成给定范围内的浮点数。

方法uniform(a, b)可以在a和b之间生成一个数n。

它将返回 a 和 b 之间的浮点数 n。
请注意，输出中包含 a 和 b。
这意味着随机数可以是 a 或者 b 或者 a 和 b 之间的任何数字。

import random
random.uniform(0, 10)

另一种生成浮动随机数的方法是使用 random() 函数。

random() 函数的语法如下：

random.random()

random() 函数不接受任何参数。
它将生成一个介于 0 和 1 之间的浮点随机数，其中 1 不包含在输出中。
范围定义为：[0.0, 1.0)。

import random
random.random()

Python生成 0 到 100 之间的随机数

要生成一个介于 0 到 100 之间的随机数，我们可以使用 random 模块的 randint() 方法。
randint() 的语法如下：

random.randint(a, b)

它将返回 a 和 b 之间的整数 n。
请注意，输出中包含 a 和 b。
这意味着随机数可以是 a 或者 b 或者 a 和 b 之间的任何数字。

代码：

import random
print(random.randint(0, 100))

如上例所示，我们需要先导入 random 模块。
然后调用randint()。
这个方法会给你一个随机整数。

生成无重复随机数（唯一随机数）

创建随机数列表时，列表中可能会出现重复元素。
为了避免重复元素列表，random 模块定义了一个名为 sample() 的函数，该函数创建一个列表而不重复任何元素。

语法：

random.sample(sequence, k)

• sequence：是可迭代的。它可以是列表、元组、集合或者字符串等。
• k：是结果列表的大小（长度）。 k 不应大于输入列表的大小。

random.sample() 的返回类型是一个没有任何重复元素的元素列表。
下面的示例演示了如何在列表、字符串和元组上使用 sample() 方法。

代码：

import random
mylist = [1, 2, 3, 4, 5]
print (random.sample(mylist, 4))
mytuple = ('egg', 'apple', 'banana', 'orange', 'cherry')
print (random.sample(mytuple, 3))
mystring = "onitroad"
print (random.sample(mystring, 3))

打乱数

我们可以使用 random 模块的 shuffle() 方法对给定序列或者可迭代中的元素进行打乱。
shuffle() 方法的语法如下：

语法：

random.shuffle(sequence, function)

• sequence：是一个可迭代对象，例如列表、集合或者元组。
• function: 是可选的，默认为 random()。它返回一个范围从 0.0 到 1.0 的值。

该方法不返回任何内容。
它只会打乱原始列表。
通过改组，我们的意思是元素将从它们的原始位置改变。

代码：

import random
my_list = ['a', 'b', 'c', 'd', 'e']
print ("List before shuffling", my_list)
random.shuffle(my_list)
print ("List after shuffling", my_list)

负随机数

数学中数轴的中点是0。
0右边的数是正实数，0左边的数是负实数。

要生成负随机数，我们可以指定从负数开始到 0 停止的范围。
请考虑以下示例：

import random
random.uniform(-10, 0)
random.randrange(-50, 0)
random.randint(-40, 0)

有两种类型的随机数生成器：伪随机数生成器和真随机数生成器。

伪随机数取决于计算机算法。
计算机使用算法来生成随机数。
这些随机数并不是真正的随机数，因为它们就像使用 NumPy 随机种子生成的数字一样是可预测的。

而真正的随机数是通过测量真正的物理随机参数生成的，因此我们可以确保生成的数字是真正随机的。

在密码学中使用伪随机数是不安全的，因为它们可以被攻击者猜到。

在 Python 中，内置的 random 模块生成伪随机数。

生成重复值

有很多方法可以生成具有重复元素的随机数列表。
我们可以使用 random.randrange() 或者 random.choice() 创建重复元素列表。

使用 randrange()

代码：

import random
my_list = [random.randrange(10) for x in range(0, 10)]
print (sorted(my_list))

我们使用了 sorted() 方法对列表进行排序。

使用choice()

代码：

import random
my_list = [random.choice(range(10)) for x in range(0, 10)]
print (sorted(my_list))

均值和标准差

random 模块提供了生成具有给定均值和标准差的随机数的方法。

要在正态分布中生成随机数，可以使用称为 random.normalvariate() 的方法。
normalvariate() 方法的语法如下：

语法：

random.normalvariate(mu, sigma)

• mu 是平均值
• sigma 是标准差

random.normalvariate(mu, sigma) 返回一个具有正态分布的浮点随机数。

同样，我们有方法生成具有高斯分布和对数正态分布的随机数。

random.gauss(mu, sigma) 用于生成具有高斯分布的浮点随机数。
random.lognormvariate(mu, sigma) 生成具有对数正态分布的浮点随机数。

代码：

import random
random.normalvariate(2, 6)
random.gauss(2, 6)
random.lognormvariate(2, 6)

在下面的示例中，我们将生成一系列随机数并使用 matplotlib 绘制图形以观察上述分布。

代码：

import random
import matplotlib.pyplot as plt
normal_dist = [random.normalvariate(250, 100) for i in range(100)]
plt.plot(normal_dist)
plt.show()

使用高斯分布：

gauss_dist = [random.gauss(250, 100) for i in range(100)]
plt.plot(gauss_dist)
plt.show()

同样，对于对数正态分布

lognormvariate_list = [random.lognormvariate(250, 100) for i in range(100)]
plt.plot(lognormvariate_list)
plt.show()

从范围中排除某些数字（有条件的选择）

要在给定范围内生成不包括某些数字的随机数，我们可以使用 random.choice() 方法。
考虑下面的例子：

import random
print (random.choice([x for x in range(0, 10) if x not in [1, 3, 5, 7, 9]]))

在这个例子中，我们使用了 for 循环来遍历从 0 到 10 的元素列表。

然后我们使用了一个条件，即范围 (0, 10) 中的迭代 (x) 不应出现在给定的奇数列表中。
因此，生成的数字将始终是偶数。

长度为 N 的随机数

在 Python 中，我们可以生成一个固定长度的随机数，即数字中的 n 位数。
例如，我们想生成一个长度为 n 的随机数，其中 n = 3.

可以生成100到999范围内的三位数随机数，因此在randint()方法中，指定起点为100，终点为999.

在 randint() 方法中，包括起点和终点。

考虑下面的例子：

import random
print (random.randint(100, 999))

圆上的随机数

使用随机模块，我们可以在圆形分布中生成随机点。
在本节中，我们将找到圆的随机坐标。
考虑下面的例子：

代码：

import random
import math
radius_circle = 5
center_x = 3
center_y = 5
rand_angle = 2 * math.pi * random.random()
rand_radius = radius_circle * math.sqrt(random.random())
cord_x = rand_radius * math.cos(rand_angle) + center_x
cord_y = rand_radius * math.sin(rand_angle) + center_y
print("Random Points on circle: ", (cord_x, cord_y))

具有步长的随机数

另一个在指定范围内生成整数随机数的函数是 randrange()。
randrange() 方法最多可以接受三个参数：start、stop 和 step。
randrange() 的语法如下：

语法：

random.randrange(start, stop, step)

返回整数介于开始（包括开始）和结束于停止（不包括停止）之间。
step 指定查找随机数的增量值，默认为 1.

例如，如果 start 等于 0，stop 等于 15，step 为 3，那么随机数将是 3 的倍数，即：0、3、6、9、12 或者 15.

换句话说，步长是与起始值相加的增量值。

请注意，函数中的 start 和 step 参数是可选的。

代码：

import random
random.randrange(0, 15, 3)

randrange() 和 randint() 的区别在于，终止值不包含在 randrange() 方法中，而是包含在 randint() 方法中。

来自 Iterable 的随机数

为了从可迭代（堆栈或者序列）生成随机数，Python random 模块有一个名为 random.choice(seq) 的函数。

random.choice(seq) 方法将从给定的序列中返回一个随机元素。

使用 random.choice()

import random
x = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h']
random.choice(x)

我们还可以使用 randint() 和 randrange() 函数从给定序列中选择随机元素。

使用 randint()

import random
x = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h']
index = random.randint(0, len(x)-1)
x[index]

在这段代码中，我们首先创建了一个列表，然后选择了一个从 0 到列表长度的随机整数。
然后使用索引，我们从列表中找到随机索引中的字母。

这样我们就可以使用 randint() 从列表中获取一个随机元素。

使用 randrange()

import random
x = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h']
index = random.randrange(0, len(x))
x[index]

请注意，我们在 randint() 方法中从列表的长度中减去 1，而在 randrange() 方法中没有减去任何内容。
这是因为 randint() 包括停止点。
因此，我们必须减去 1.