python 标准库：random

在数据分析，数据清洗，数据集处理中，除了使用，咱们熟悉的 numpy.random 模块来生成随机数，或者随机采样，事实上，python 标准库也提供了 random 模块，若是不想，仅仅由于使用随机数，而单独导入 numpy 时，标准库提供的 random 模块，不失为一种，轻量级替代方案，而且二者使用起来几乎同样。

1. 导入模块

random 是 python 标准库模块，随 python 一块儿安装，无需单独安装，可直接导入。

import random
复制代码

2. 实用方法

2.1 random()

random()生成一个位于半开放区间 [0, 1) 的浮点数，几乎全部random模块的方法的实现，都依赖于 random()。

random.random()
复制代码

0.9111245252327139
复制代码

2.2 randint(a, b)

返回随机整数 N 知足 a <= N <= b。至关于 randrange(a, b+1)。

random.randint(0, 10)
复制代码

8
复制代码

2.3 randrange(start, stop[, step])

从 range(start, stop, step) 返回一个随机选择的元素。 这至关于 choice(range(start, stop, step)) ，但实际上并无构建一个 range 对象。

random.randrange(0, 10, 2)
复制代码

2
复制代码

2.4 choice(seq)

从非空序列 seq 返回一个随机元素。 若是 seq 为空，则引起 IndexError。

random.choice([0, 1, 2, 3, 4, 5])
复制代码

2
复制代码

2.5 choices(population, weights=None, *, cum_weights=None, k=1)

从population中选择替换，返回大小为 k 的元素列表。 若是 population 为空，则引起 IndexError。

若是指定了 weight 序列，则根据相对权重进行选择。 或者，若是给出 cum_weights 序列，则根据累积权重（可能使用 itertools.accumulate() 计算）进行选择。 例如，相对权重[10, 5, 30, 5]至关于累积权重[10, 15, 45, 50]。 在内部，相对权重在进行选择以前会转换为累积权重，所以提供累积权重能够节省工做量。

random.choices([0, 1, 2, 3, 4, 5], k=2)
复制代码

[0, 2]
复制代码

random.choices([0, 1, 2, 3, 4, 5], cum_weights=[10, 20, 30, 40, 50, 60], k=3)
复制代码

[4, 4, 4]
复制代码

2.6 shuffle(x[, random])

将序列 x 随机打乱位置。

可选参数 random 是一个0参数函数，在 [0.0, 1.0) 中返回随机浮点数；默认状况下，这是函数 random() 。

要改变一个不可变的序列并返回一个新的打乱列表，请使用sample(x, k=len(x))。

a = [0, 1, 2, 3, 4, 5]
random.shuffle(a)
a
复制代码

[5, 2, 3, 0, 1, 4]
复制代码

2.7 sample(population, k)

返回从整体序列或集合中选择的惟一元素的 k 长度列表。 用于无重复的随机抽样。

random.sample([1, 2, 3, 4, 5, 6], k=2)
复制代码

[1, 3]
复制代码

2.8 gauss(mu, sigma)

高斯分布。 mu 是平均值，sigma 是标准差。

[random.gauss(0, 1) for i in range(10)]
复制代码

[1.232295558291998,
 -0.23589397085653746,
 -1.4190307151921895,
 0.18999908858301912,
 0.780671045104774,
 0.041722424850158674,
 0.7392269754813698,
 1.4612049925568829,
 0.09647538110312114,
 -0.32525720572670025]
复制代码

3. 源码简要

如下为 python 官方 github 上，random 模块的部分源码，帮助了解 random 模块的基本结构，以及本文介绍的实用方法的源码申明。

random.py:

class Random(_random.Random):
    def seed(self, a=None, version=2):
        pass
    def randrange(self, start, stop=None, step=1, _int=int):
        pass
    def randint(self, a, b):
        pass
    def choice(self, seq):
        pass
    def shuffle(self, x, random=None):
        pass
    def sample(self, population, k):
        pass
    def choices(self, population, weights=None, *, cum_weights=None, k=1):
        pass
    def gauss(self, mu, sigma):
        pass
    ...

_inst = Random()
seed = _inst.seed
random = _inst.random
randrange = _inst.randrange
randint = _inst.randint
choice = _inst.choice
shuffle = _inst.shuffle
sample = _inst.sample
choices = _inst.choices
gauss = _inst.gauss

...
复制代码

参考

• [1] python docs: random --- 生成伪随机数
• [2] github: python/cpython/Lib/random.py

---

坚持写专栏不易，若是以为本文对你有帮助，记得点个赞。感谢支持！

• 我的网站: kenblog.top
• github 站点: kenblikylee.github.io

微信扫描二维码 获取最新技术原创