Answers:
尝试:
from random import randrange
print(randrange(10))
更多信息:http : //docs.python.org/library/random.html#random.randrange
secrets
模块可获得更好的随机数。参考:docs.python.org/3/library/random.html
import random
print(random.randint(0,9))
random.randint(a, b)
返回一个随机整数N,使得a <= N <= b。
文件:https://docs.python.org/3.1/library/random.html#random.randint
randint(0,9)
永远不会返回9)。这没有反映在联机文档中,但是在内置帮助中。
选择数组的大小(在此示例中,我选择的大小为20)。然后,使用以下命令:
import numpy as np
np.random.randint(10, size=(1, 20))
您可以期望看到以下形式的输出(每次运行它都会返回不同的随机整数;因此,您可以期望输出数组中的整数与下面给出的示例有所不同)。
array([[1, 6, 1, 2, 8, 6, 3, 3, 2, 5, 6, 5, 0, 9, 5, 6, 4, 5, 9, 3]])
尝试通过 random.shuffle
>>> import random
>>> nums = range(10)
>>> random.shuffle(nums)
>>> nums
[6, 3, 5, 4, 0, 1, 2, 9, 8, 7]
我会尝试以下之一:
import numpy as np
X1 = np.random.randint(low=0, high=10, size=(15,))
print (X1)
>>> array([3, 0, 9, 0, 5, 7, 6, 9, 6, 7, 9, 6, 6, 9, 8])
import numpy as np
X2 = np.random.uniform(low=0, high=10, size=(15,)).astype(int)
print (X2)
>>> array([8, 3, 6, 9, 1, 0, 3, 6, 3, 3, 1, 2, 4, 0, 4])
3.> random.randrange
from random import randrange
X3 = [randrange(10) for i in range(15)]
print (X3)
>>> [2, 1, 4, 1, 2, 8, 8, 6, 4, 1, 0, 5, 8, 3, 5]
4.> random.randint
from random import randint
X4 = [randint(0, 9) for i in range(0, 15)]
print (X4)
>>> [6, 2, 6, 9, 5, 3, 2, 3, 3, 4, 4, 7, 4, 9, 6]
速度:
► np.random.randint是最快的,其次是np.random.uniform和random.randrange。random.randint是最慢的。
►两者np.random.randint和np.random.uniform快得多(〜8 - 12倍的速度)比random.randrange和random.randint。
%timeit np.random.randint(low=0, high=10, size=(15,))
>> 1.64 µs ± 7.83 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
%timeit np.random.uniform(low=0, high=10, size=(15,)).astype(int)
>> 2.15 µs ± 38.6 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
%timeit [randrange(10) for i in range(15)]
>> 12.9 µs ± 60.4 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
%timeit [randint(0, 9) for i in range(0, 15)]
>> 20 µs ± 386 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
笔记:
1.> np.random.randint在半开间隔[low,high)内生成随机整数。
2.> np.random.uniform在半开间隔[low,high)内生成均匀分布的数字。
3.> random.randrange(停止)从range(开始,停止,步进)生成一个随机数。
4.> random.randint(a,b)返回一个随机整数N,使得a <= N <= b。
5.> astype(int)将numpy数组转换为int数据类型。
6.>我选择尺寸=(15,)。这将为您提供一个长度为15的numpy数组。
如果是连续数字randint
或randrange
可能是最佳选择,但是如果序列中有多个不同的值(即a list
),则也可以使用choice
:
>>> import random
>>> values = list(range(10))
>>> random.choice(values)
5
choice
也适用于非连续样本中的一项:
>>> values = [1, 2, 3, 5, 7, 10]
>>> random.choice(values)
7
如果您需要“密码学上很强大”,则secrets.choice
在python 3.6及更高版本中也有:
>>> import secrets
>>> values = list(range(10))
>>> secrets.choice(values)
2
虽然许多文章都演示了如何获取一个随机整数,但最初的问题是询问如何生成随机整数s(复数):
如何在Python中生成0到9(含)之间的随机整数?
为了清楚起见,这里我们演示如何获取多个随机整数。
给定
>>> import random
lo = 0
hi = 10
size = 5
码
多个随机整数
# A
>>> [lo + int(random.random() * (hi - lo)) for _ in range(size)]
[5, 6, 1, 3, 0]
# B
>>> [random.randint(lo, hi) for _ in range(size)]
[9, 7, 0, 7, 3]
# C
>>> [random.randrange(lo, hi) for _ in range(size)]
[8, 3, 6, 8, 7]
# D
>>> lst = list(range(lo, hi))
>>> random.shuffle(lst)
>>> [lst[i] for i in range(size)]
[6, 8, 2, 5, 1]
# E
>>> [random.choice(range(lo, hi)) for _ in range(size)]
[2, 1, 6, 9, 5]
随机整数样本
# F
>>> random.choices(range(lo, hi), k=size)
[3, 2, 0, 8, 2]
# G
>>> random.sample(range(lo, hi), k=size)
[4, 5, 1, 2, 3]
细节
一些文章演示了如何本地生成多个随机整数。1 以下是一些解决隐含问题的选项:
random.random
返回范围内的随机浮点数[0.0, 1.0)
random.randint
返回一个随机整数N
,使得a <= N <= b
random.randrange
别名randint(a, b+1)
random.shuffle
将序列随机播放random.choice
从非空序列返回一个随机元素random.choices
返回k
选择(带有替换,Python 3.6+)random.sample
返回k
唯一选择(不替换):2另请参阅R.Hettinger 关于“块和别名” 的演讲,并使用以下示例random
模块中的。
这是标准库和Numpy中一些随机函数的比较:
| | random | numpy.random |
|-|-----------------------|----------------------------------|
|A| random() | random() |
|B| randint(low, high) | randint(low, high) |
|C| randrange(low, high) | randint(low, high) |
|D| shuffle(seq) | shuffle(seq) |
|E| choice(seq) | choice(seq) |
|F| choices(seq, k) | choice(seq, size) |
|G| sample(seq, k) | choice(seq, size, replace=False) |
您还可以将Numpy中的许多分布之一快速转换为随机整数样本。3
例子
>>> np.random.normal(loc=5, scale=10, size=size).astype(int)
array([17, 10, 3, 1, 16])
>>> np.random.poisson(lam=1, size=size).astype(int)
array([1, 3, 0, 2, 0])
>>> np.random.lognormal(mean=0.0, sigma=1.0, size=size).astype(int)
array([1, 3, 1, 5, 1])
1即@John Lawrence Aspden,@ ST Mohammed,@ SiddTheKid,@ user14372,@ zangw等。 2 @prashanth提到此模块显示一个整数。 3由@Siddharth Satpathy演示
>>> import random
>>> random.randrange(10)
3
>>> random.randrange(10)
1
要获取十个样本的列表:
>>> [random.randrange(10) for x in range(10)]
[9, 0, 4, 0, 5, 7, 4, 3, 6, 8]
生成0到9之间的随机整数。
import numpy
X = numpy.random.randint(0, 10, size=10)
print(X)
输出:
[4 8 0 4 9 6 9 9 0 7]
从随机模块的文档页面:
警告:出于安全目的,不应使用此模块的伪随机数生成器。如果需要加密安全的伪随机数生成器,请使用os.urandom()或SystemRandom。
Python 2.4中引入的random.SystemRandom被认为是加密安全的。在编写本文时,它在Python 3.7.1中仍然可用。
>>> import string
>>> string.digits
'0123456789'
>>> import random
>>> random.SystemRandom().choice(string.digits)
'8'
>>> random.SystemRandom().choice(string.digits)
'1'
>>> random.SystemRandom().choice(string.digits)
'8'
>>> random.SystemRandom().choice(string.digits)
'5'
代替string.digits
,range
可以与理解一起用于其他一些答案。根据您的需要混合搭配。
OpenTURNS不仅可以模拟随机整数,还可以使用 UserDefined
定义的类。
以下模拟了分布的12个结果。
import openturns as ot
points = [[i] for i in range(10)]
distribution = ot.UserDefined(points) # By default, with equal weights.
for i in range(12):
x = distribution.getRealization()
print(i,x)
打印:
0 [8]
1 [7]
2 [4]
3 [7]
4 [3]
5 [3]
6 [2]
7 [9]
8 [0]
9 [5]
10 [9]
11 [6]
括号之所以存在,x
是因为它是一Point
维的。只需调用以下命令即可产生12个结果getSample
:
sample = distribution.getSample(12)
会产生:
>>> print(sample)
[ v0 ]
0 : [ 3 ]
1 : [ 9 ]
2 : [ 6 ]
3 : [ 3 ]
4 : [ 2 ]
5 : [ 6 ]
6 : [ 9 ]
7 : [ 5 ]
8 : [ 9 ]
9 : [ 5 ]
10 : [ 3 ]
11 : [ 2 ]
有关此主题的更多详细信息,请参见:http : //openturns.github.io/openturns/master/user_manual/_genic/openturns.UserDefined.html