Hướng dẫn how can you generate random numbers in python? - làm thế nào bạn có thể tạo các số ngẫu nhiên trong python?

Chức năng kế toán

Khởi tạo trình tạo số ngẫu nhiên.

Nếu A bị bỏ qua hoặc 22, thời gian hệ thống hiện tại được sử dụng. Nếu các nguồn ngẫu nhiên được cung cấp bởi hệ điều hành, chúng được sử dụng thay vì thời gian hệ thống (xem hàm import random n = random.randint(0,22) print(n)8 để biết chi tiết về tính khả dụng).

Nếu A là INT, nó được sử dụng trực tiếp.

Với phiên bản 2 (mặc định), đối tượng 24, 25 hoặc 26 được chuyển đổi thành 27 và tất cả các bit của nó được sử dụng.

Với phiên bản 1 (được cung cấp để tái tạo các chuỗi ngẫu nhiên từ các phiên bản Python cũ hơn), thuật toán cho 24 và 25 tạo ra phạm vi hạt hẹp hơn.

Đã thay đổi trong phiên bản 3.2: Đã chuyển sang sơ đồ phiên bản 2 sử dụng tất cả các bit trong hạt giống.Moved to the version 2 scheme which uses all of the bits in a string seed.

Đã không dùng từ phiên bản 3.9: Trong tương lai, hạt giống phải là một trong các loại sau: Nonetype, 27, import random randomlist = [] for i in range(0,5): n = random.randint(1,30) randomlist.append(n) print(randomlist)1, 24, 25 hoặc 26.In the future, the seed must be one of the following types: NoneType, 27, import random randomlist = [] for i in range(0,5): n = random.randint(1,30) randomlist.append(n) print(randomlist)1, 24, 25, or 26.

Trả về một đối tượng chụp trạng thái bên trong hiện tại của trình tạo. Đối tượng này có thể được chuyển sang import random n = random.randint(0,22) print(n)3 để khôi phục trạng thái.

Nhà nước đáng lẽ phải được lấy từ một cuộc gọi trước đó đến import random n = random.randint(0,22) print(n)2 và import random n = random.randint(0,22) print(n)3 khôi phục trạng thái bên trong của trình tạo về những gì nó đã được gọi là import random n = random.randint(0,22) print(n)2 được gọi.

Chức năng cho byte¶

Tạo n ngẫu nhiên byte.

Phương pháp này không nên được sử dụng để tạo mã thông báo bảo mật. Sử dụng [10, 5, 21, 1, 17]5 thay thế.

Mới trong phiên bản 3.9.

Chức năng cho số nguyên

Trả về một phần tử được chọn ngẫu nhiên từ import random #Generate 5 random numbers between 10 and 30 randomlist = random.sample(range(10, 30), 5) print(randomlist)0. Điều này tương đương với import random #Generate 5 random numbers between 10 and 30 randomlist = random.sample(range(10, 30), 5) print(randomlist)1, nhưng không thực sự xây dựng một đối tượng phạm vi.

Các mẫu đối số vị trí phù hợp với import random #Generate 5 random numbers between 10 and 30 randomlist = random.sample(range(10, 30), 5) print(randomlist)2. Không nên sử dụng đối số từ khóa vì hàm có thể sử dụng chúng theo những cách không mong muốn.

Đã thay đổi trong phiên bản 3.2: import random n = random.randint(0,22) print(n)5 tinh vi hơn về việc tạo ra các giá trị phân phối đều nhau. Trước đây, nó đã sử dụng một phong cách như import random #Generate 5 random numbers between 10 and 30 randomlist = random.sample(range(10, 30), 5) print(randomlist)4 có thể tạo ra các phân phối hơi không đồng đều.import random n = random.randint(0,22) print(n)5 is more sophisticated about producing equally distributed values. Formerly it used a style like import random #Generate 5 random numbers between 10 and 30 randomlist = random.sample(range(10, 30), 5) print(randomlist)4 which could produce slightly uneven distributions.

Không dùng nữa kể từ phiên bản 3.10: Chuyển đổi tự động các loại không nguyên thành các số nguyên tương đương được không dùng nữa. Hiện tại import random #Generate 5 random numbers between 10 and 30 randomlist = random.sample(range(10, 30), 5) print(randomlist)5 được chuyển đổi không mất khỏi import random #Generate 5 random numbers between 10 and 30 randomlist = random.sample(range(10, 30), 5) print(randomlist)6. Trong tương lai, điều này sẽ tăng import random #Generate 5 random numbers between 10 and 30 randomlist = random.sample(range(10, 30), 5) print(randomlist)7.The automatic conversion of non-integer types to equivalent integers is deprecated. Currently import random #Generate 5 random numbers between 10 and 30 randomlist = random.sample(range(10, 30), 5) print(randomlist)5 is losslessly converted to import random #Generate 5 random numbers between 10 and 30 randomlist = random.sample(range(10, 30), 5) print(randomlist)6. In the future, this will raise a import random #Generate 5 random numbers between 10 and 30 randomlist = random.sample(range(10, 30), 5) print(randomlist)7.

Không dùng nữa kể từ phiên bản 3.10: Ngoại lệ được nâng lên đối với các giá trị không tích hợp như import random #Generate 5 random numbers between 10 and 30 randomlist = random.sample(range(10, 30), 5) print(randomlist)8 hoặc import random #Generate 5 random numbers between 10 and 30 randomlist = random.sample(range(10, 30), 5) print(randomlist)9 sẽ được thay đổi từ [16, 19, 13, 18, 15]0 thành import random #Generate 5 random numbers between 10 and 30 randomlist = random.sample(range(10, 30), 5) print(randomlist)7.The exception raised for non-integral values such as import random #Generate 5 random numbers between 10 and 30 randomlist = random.sample(range(10, 30), 5) print(randomlist)8 or import random #Generate 5 random numbers between 10 and 30 randomlist = random.sample(range(10, 30), 5) print(randomlist)9 will be changed from [16, 19, 13, 18, 15]0 to import random #Generate 5 random numbers between 10 and 30 randomlist = random.sample(range(10, 30), 5) print(randomlist)7.

Trả về một số nguyên ngẫu nhiên n sao cho [16, 19, 13, 18, 15]4. Bí danh cho [16, 19, 13, 18, 15]5.

Trả về một số nguyên python không âm với K BIT ngẫu nhiên. Phương pháp này được cung cấp với Trình tạo Mersennetwister và một số trình tạo khác cũng có thể cung cấp nó như một phần tùy chọn của API. Khi có sẵn, import random n = random.randint(0,22) print(n)4 cho phép import random n = random.randint(0,22) print(n)5 xử lý các phạm vi lớn tùy ý.

Đã thay đổi trong phiên bản 3.9: Phương pháp này hiện không chấp nhận số 0 cho k.This method now accepts zero for k.

Chức năng cho trình tự lor

Trả về một phần tử ngẫu nhiên từ chuỗi không trống seq. Nếu SEQ trống, tăng x ** (alpha - 1) * math.exp(-x / beta) pdf(x) = -------------------------------------- math.gamma(alpha) * beta ** alpha 2.

Trả lại một danh sách kích thước k các yếu tố được chọn từ dân số với sự thay thế. Nếu dân số trống, tăng x ** (alpha - 1) * math.exp(-x / beta) pdf(x) = -------------------------------------- math.gamma(alpha) * beta ** alpha 2.

Nếu một chuỗi trọng số được chỉ định, các lựa chọn được thực hiện theo các trọng số tương đối. Ngoài ra, nếu một chuỗi cum_weights được đưa ra, các lựa chọn được thực hiện theo các trọng số tích lũy (có thể được tính toán bằng x ** (alpha - 1) * math.exp(-x / beta) pdf(x) = -------------------------------------- math.gamma(alpha) * beta ** alpha 6). Ví dụ, trọng số tương đối x ** (alpha - 1) * math.exp(-x / beta) pdf(x) = -------------------------------------- math.gamma(alpha) * beta ** alpha 7 tương đương với trọng số tích lũy x ** (alpha - 1) * math.exp(-x / beta) pdf(x) = -------------------------------------- math.gamma(alpha) * beta ** alpha 8. Trong nội bộ, các trọng số tương đối được chuyển đổi thành trọng số tích lũy trước khi thực hiện các lựa chọn, do đó, việc cung cấp các trọng số tích lũy tiết kiệm công việc.

Nếu không có trọng số và không được chỉ định, các lựa chọn được thực hiện với xác suất bằng nhau. Nếu một chuỗi trọng số được cung cấp, nó phải có cùng chiều dài với trình tự dân số. Đó là một import random #Generate 5 random numbers between 10 and 30 randomlist = random.sample(range(10, 30), 5) print(randomlist)7 để chỉ định cả trọng số và cum_ weights.

Trọng lượng hoặc cum_ weights có thể sử dụng bất kỳ loại số nào tương tác với các giá trị import random randomlist = [] for i in range(0,5): n = random.randint(1,30) randomlist.append(n) print(randomlist)1 được trả về bởi 0.21122006 (bao gồm số nguyên, phao và phân số nhưng không bao gồm số thập phân). Trọng lượng được coi là không âm và hữu hạn. Một [16, 19, 13, 18, 15]0 được nâng lên nếu tất cả các trọng số bằng không.

Đối với một hạt giống nhất định, hàm >>> 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] 3 có trọng số bằng nhau thường tạo ra một chuỗi khác với các cuộc gọi lặp lại đến >>> 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] 4. Thuật toán được sử dụng bởi >>> 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] 3 sử dụng số học điểm nổi cho tính nhất quán và tốc độ bên trong. Thuật toán được sử dụng bởi >>> 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] 4 mặc định cho số học số nguyên với các lựa chọn lặp đi lặp lại để tránh các độ lệch nhỏ khỏi lỗi làm tròn.

Mới trong phiên bản 3.6.

Đã thay đổi trong phiên bản 3.9: tăng [16, 19, 13, 18, 15]0 nếu tất cả các trọng số bằng không.Raises a [16, 19, 13, 18, 15]0 if all weights are zero.

Xáo trộn chuỗi x tại chỗ.

Đối số tùy chọn ngẫu nhiên là một hàm 0 đối tượng trả về một bản nổi ngẫu nhiên trong [0,0, 1.0); Theo mặc định, đây là hàm 0.21122006.

Để xáo trộn một chuỗi bất biến và trả lại một danh sách được xáo trộn mới, hãy sử dụng 0.211220001 thay thế.

Lưu ý rằng ngay cả đối với 0.211220002 nhỏ, tổng số hoán vị của X có thể nhanh chóng phát triển lớn hơn thời gian của hầu hết các máy phát số ngẫu nhiên. Điều này ngụ ý rằng hầu hết các hoán vị của một chuỗi dài không bao giờ có thể được tạo ra. Ví dụ, một chuỗi độ dài 2080 là lớn nhất có thể phù hợp trong khoảng thời gian của bộ tạo số ngẫu nhiên Mersenne Twister.

Không dùng nữa kể từ phiên bản 3.9, sẽ bị xóa trong phiên bản 3.11: Tham số tùy chọn ngẫu nhiên.The optional parameter random.

Trả về một danh sách chiều dài k của các yếu tố duy nhất được chọn từ trình tự hoặc bộ dân số. Được sử dụng để lấy mẫu ngẫu nhiên mà không cần thay thế.

Trả về một danh sách mới chứa các yếu tố từ dân số trong khi để lại dân số ban đầu không thay đổi. Danh sách kết quả theo thứ tự lựa chọn để tất cả các lớp phụ cũng sẽ là các mẫu ngẫu nhiên hợp lệ. Điều này cho phép người chiến thắng xổ số (mẫu) được phân chia thành giải thưởng lớn và người chiến thắng vị trí thứ hai (các phụ).

Các thành viên của dân số không cần phải có thể băm hoặc duy nhất. Nếu dân số chứa lặp lại, thì mỗi lần xuất hiện là một lựa chọn có thể trong mẫu.hashable or unique. If the population contains repeats, then each occurrence is a possible selection in the sample.

Các phần tử lặp lại có thể được chỉ định một lần hoặc với tham số số lượng từ khóa chỉ tùy chọn. Ví dụ, 0.211220005 tương đương với 0.211220006.

Để chọn một mẫu từ một loạt các số nguyên, hãy sử dụng đối tượng import random #Generate 5 random numbers between 10 and 30 randomlist = random.sample(range(10, 30), 5) print(randomlist)2 làm đối số. Điều này đặc biệt nhanh chóng và hiệu quả không gian để lấy mẫu từ một dân số lớn: 0.211220008.

Nếu kích thước mẫu lớn hơn kích thước dân số, A [16, 19, 13, 18, 15]0 sẽ được nâng lên.

Đã thay đổi trong phiên bản 3.9: Đã thêm tham số Counts.Added the counts parameter.

Khấu dùng kể từ phiên bản 3.9: Trong tương lai, dân số phải là một chuỗi. Các trường hợp 0.211220010 không còn được hỗ trợ. Tập hợp trước tiên phải được chuyển đổi thành 0.211220011 hoặc 0.211220012, tốt nhất là theo thứ tự xác định để mẫu có thể sao chép.In the future, the population must be a sequence. Instances of 0.211220010 are no longer supported. The set must first be converted to a 0.211220011 or 0.211220012, preferably in a deterministic order so that the sample is reproducible.

Phân phối có giá trị thực

Các chức năng sau đây tạo ra các phân phối có giá trị thực cụ thể. Các tham số chức năng được đặt tên theo các biến tương ứng trong phương trình phân phối, như được sử dụng trong thực tiễn toán học thông thường; Hầu hết các phương trình này có thể được tìm thấy trong bất kỳ văn bản thống kê.

Trả về số điểm nổi ngẫu nhiên tiếp theo trong phạm vi [0,0, 1.0).

Trả về số điểm nổi ngẫu nhiên n sao cho [16, 19, 13, 18, 15]4 cho 0.211220018 và 0.211220019 cho 0.211220020.

Giá trị điểm cuối 0.211220021 có thể hoặc không được đưa vào phạm vi tùy thuộc vào việc làm tròn điểm nổi trong phương trình 0.211220022.

Trả về một số điểm nổi ngẫu nhiên n sao cho 0.211220025 và với chế độ được chỉ định giữa các giới hạn đó. Giới hạn thấp và cao mặc định là 0 và một. Đối số chế độ mặc định đến điểm giữa giữa các giới hạn, đưa ra phân phối đối xứng.

Phân phối beta. Điều kiện trên các tham số là 0.211220028 và 0.211220029. Giá trị trả về nằm trong khoảng từ 0 đến 1.

Phân phối theo cấp số nhân. Lambd là 1,0 chia cho giá trị trung bình mong muốn. Nó nên là khác nhau. .

Phân phối Gamma. (Không phải hàm gamma!) Điều kiện trên các tham số là 0.211220028 và 0.211220029.

Hàm phân phối xác suất là:

x ** (alpha - 1) * math.exp(-x / beta) pdf(x) = -------------------------------------- math.gamma(alpha) * beta ** alpha

Phân phối bình thường, còn được gọi là phân phối Gaussian. MU là trung bình, và Sigma là độ lệch chuẩn. Điều này nhanh hơn một chút so với hàm 0.211220038 được xác định dưới đây.

Lưu ý đa luồng: Khi hai luồng gọi chức năng này đồng thời, có thể họ sẽ nhận được cùng một giá trị trả về. Điều này có thể tránh được theo ba cách. 1) Có mỗi luồng sử dụng một thể hiện khác nhau của trình tạo số ngẫu nhiên. 2) Đặt khóa xung quanh tất cả các cuộc gọi. 3) Sử dụng chức năng chậm hơn, nhưng an toàn cho luồng 0.211220038.

Phân phối lognormal. Nếu bạn lấy logarit tự nhiên của phân phối này, bạn sẽ nhận được một phân phối bình thường với MU trung bình và độ lệch chuẩn. MU có thể có bất kỳ giá trị nào, và Sigma phải lớn hơn 0.

Phân phối bình thường. MU là trung bình, và Sigma là độ lệch chuẩn.

MU là góc trung bình, được biểu thị bằng radian trong khoảng từ 0 đến 2*pi và kappa là tham số nồng độ, phải lớn hơn hoặc bằng không. Nếu kappa bằng 0, phân phối này sẽ giảm xuống góc ngẫu nhiên đồng đều trong phạm vi 0 đến 2*pi.

Phân phối Pareto. Alpha là tham số hình dạng.

Phân phối Weibull. Alpha là tham số tỷ lệ và beta là tham số hình dạng.

Máy phát điện thay thế

Lớp thực hiện trình tạo số giả ngẫu nhiên mặc định được sử dụng bởi mô-đun import random n = random.randint(0,22) print(n)6.

Đã không dùng nữa kể từ phiên bản 3.9: Trong tương lai, hạt giống phải là một trong các loại sau: 0.211220053, 27, import random randomlist = [] for i in range(0,5): n = random.randint(1,30) randomlist.append(n) print(randomlist)1, 24, 25 hoặc 26.In the future, the seed must be one of the following types: 0.211220053, 27, import random randomlist = [] for i in range(0,5): n = random.randint(1,30) randomlist.append(n) print(randomlist)1, 24, 25, or 26.

Lớp sử dụng hàm import random n = random.randint(0,22) print(n)8 để tạo số ngẫu nhiên từ các nguồn được cung cấp bởi hệ điều hành. Không có sẵn trên tất cả các hệ thống. Không dựa vào trạng thái phần mềm và các chuỗi không thể tái sản xuất. Theo đó, phương pháp import random n = random.randint(0,22) print(n)1 không có hiệu lực và bị bỏ qua. Các phương pháp import random n = random.randint(0,22) print(n)2 và import random n = random.randint(0,22) print(n)3 tăng 0.211220065 nếu được gọi.

Ghi chú về khả năng tái sản xuất

Đôi khi rất hữu ích để có thể tái tạo các chuỗi được đưa ra bởi một trình tạo số giả giả. Bằng cách sử dụng lại giá trị hạt giống, chuỗi tương tự phải được tái tạo từ chạy để chạy miễn là nhiều luồng không chạy.

Hầu hết các thuật toán và chức năng gieo hạt ngẫu nhiên đều có thể thay đổi trên các phiên bản Python, nhưng hai khía cạnh được đảm bảo không thay đổi:

• Nếu một phương pháp gieo hạt mới được thêm vào, thì một máy gieo hạt tương thích ngược sẽ được cung cấp.

• Phương pháp máy phát điện ____ ____ ____16 sẽ tiếp tục tạo ra cùng một chuỗi khi máy gieo hạt tương thích được cho cùng một hạt giống.

Ví dụ;

Ví dụ cơ bản:

>>> 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]

Simulations:

0.21122000

Ví dụ về bootstrapping thống kê bằng cách sử dụng thay thế với sự thay thế để ước tính khoảng tin cậy cho giá trị trung bình của một mẫu:

0.21122001

Ví dụ về thử nghiệm hoán vị lấy mẫu để xác định ý nghĩa thống kê hoặc giá trị p của sự khác biệt quan sát được giữa các tác dụng của thuốc so với giả dược:

0.21122002

Mô phỏng thời gian đến và giao hàng dịch vụ cho hàng đợi Multiserver:

0.21122003

Xem thêm

Thống kê cho tin tặc Hướng dẫn video của Jake Vanderplas về phân tích thống kê chỉ bằng một vài khái niệm cơ bản bao gồm mô phỏng, lấy mẫu, xáo trộn và xác thực chéo.

Mô phỏng kinh tế Một mô phỏng thị trường của Peter Norvig cho thấy việc sử dụng hiệu quả nhiều công cụ và phân phối được cung cấp bởi mô -đun này (Gauss, đồng phục, mẫu, betavariate, lựa chọn, hình tam giác và randrange).

Giới thiệu cụ thể về xác suất (sử dụng Python) Hướng dẫn của Peter Norvig bao gồm những điều cơ bản của lý thuyết xác suất, cách viết mô phỏng và cách thực hiện phân tích dữ liệu bằng Python.

Công thức nấu ăn¶

0.21122006 mặc định trả về bội số 2⁻⁵³ trong phạm vi 0,0 ≤ x