试试 random.randint
:
import random
print(random.randint(0, 9))
文档状态:
random.randint(a, b) 返回一个随机整数 N,使得 a <= N <= b。
尝试这个:
from random import randrange, uniform
# randrange gives you an integral value
irand = randrange(0, 10)
# uniform gives you a floating-point value
frand = uniform(0, 10)
from random import randint
x = [randint(0, 9) for p in range(0, 10)]
这会生成 0 到 9 范围内的 10 个伪随机整数(包括 0 到 9)。
row_count
) 时,我只想要 10 行 (RANDOM_LIMIT
),所以我根据这个答案使用了 random_row_nos = [randint(1, row_count) for p in range(0, RANDOM_LIMIT)]
,它第一次就奏效了!
secrets
模块是 Python 3.6 中的新模块。这比用于加密或安全用途的 random
模块更好。
随机打印 0-9 范围内的整数:
from secrets import randbelow
print(randbelow(10))
有关详细信息,请参阅PEP 506。
请注意,这实际上取决于用例。使用 random
模块,您可以设置随机种子,这对于伪随机但可重现的结果很有用,而这在 secrets
模块中是不可能的。
random
模块也更快(在 Python 3.9 上测试):
>>> timeit.timeit("random.randrange(10)", setup="import random")
0.4920286529999771
>>> timeit.timeit("secrets.randbelow(10)", setup="import secrets")
2.0670733770000425
secrets
将比 random
慢得多是否合理?一定有缺点的地方。
我会尝试以下方法之一:
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])
import numpy as np
X3 = np.random.choice(a=10, size=15 )
print (X3)
>>> array([1, 4, 0, 2, 5, 2, 7, 5, 0, 0, 8, 4, 4, 0, 9])
4.> random.randrange
from random import randrange
X4 = [randrange(10) for i in range(15)]
print (X4)
>>> [2, 1, 4, 1, 2, 8, 8, 6, 4, 1, 0, 5, 8, 3, 5]
5.> random.randint
from random import randint
X5 = [randint(0, 9) for i in range(0, 15)]
print (X5)
>>> [6, 2, 6, 9, 5, 3, 2, 3, 3, 4, 4, 7, 4, 9, 6]
速度:
► np.random.uniform 和 np.random.randint 比 np.random.choice、random.randrange、random.randint 快得多(约快 10 倍)。
%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 np.random.choice(a=10, size=15 )
>> 21 µs ± 629 ns per loop (mean ± std. dev. of 7 runs, 10000 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 在半开区间 [low, high) 上生成随机整数。 2.> np.random.uniform 在半开区间 [low, high) 上生成均匀分布的数字。 3.> np.random.choice 在半开区间 [low, high) 上生成一个随机样本,就好像参数 a 是 np.arange(n)。 4.> random.randrange(stop) 从 range(start, stop, step) 生成一个随机数。 5.> random.randint(a, b) 返回一个随机整数 N,使得 a <= N <= b。 6.> astype(int) 将 numpy 数组转换为 int 数据类型。 7.> 我选择了 size = (15,)。这将为您提供一个长度为 15 的 numpy 数组。
pip install numpy
) 并使用 import numpy as np
导入了它?
选择数组的大小(在本例中,我选择大小为 20)。然后,使用以下内容:
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(每次运行时将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不同)。
array([[1, 6, 1, 2, 8, 6, 3, 3, 2, 5, 6, 5, 0, 9, 5, 6, 4, 5, 9, 3]])
虽然许多帖子演示了如何获得一个随机整数,但原始问题询问如何生成随机整数(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
代码
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
一些帖子演示了如何在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:
A:random.random 返回 [0.0, 1.0) 范围内的随机浮点数
B:random.randint 返回一个随机整数 N,使得 a <= N <= b
C: randint(a, b+1) 的 random.randrange 别名
D:random.shuffle 就地打乱序列
E:random.choice 从非空序列中返回一个随机元素
F:random.choices 从总体中返回 k 个选择(带替换,Python 3.6+)
G:random.sample 从总体中返回 k 个唯一选择(无替换):2
另请参阅 R. Hettinger 的 talk 关于分块和别名使用 random
模块中的示例。
下面是标准库和 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) |
您还可以快速将 Numpy 中的许多 distributions 之一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 提到这个模块显示一个整数。 3@Siddharth Satpathy 演示
您需要作为标准库一部分的 random
python 模块。使用代码...
from random import randint
num1= randint(0,9)
这会将变量 num1
设置为介于 0
和 9
之间的随机数。
randrange(10)
。
通过 random.shuffle
试试这个
>>> import random
>>> nums = range(10)
>>> random.shuffle(nums)
>>> nums
[6, 3, 5, 4, 0, 1, 2, 9, 8, 7]
如果连续数字 randint
或 randrange
可能是最佳选择,但如果您在一个序列中有多个不同的值(即 list
),您也可以使用 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
如果您需要它“加密强大”,那么在 python 3.6 和更新版本中还有一个 secrets.choice
:
>>> import secrets
>>> values = list(range(10))
>>> secrets.choice(values)
2
random.sample
。通过替换,您可以使用带有 choice
的理解:例如,对于包含 3 个随机值的列表,替换为:[choice(values) for _ in range(3)]
如果您想使用 numpy,请使用以下命令:
import numpy as np
print(np.random.randint(0,10))
>>> import random
>>> random.randrange(10)
3
>>> random.randrange(10)
1
要获得十个样本的列表:
>>> [random.randrange(10) for x in range(10)]
[9, 0, 4, 0, 5, 7, 4, 3, 6, 8]
您可以尝试从 Python 中导入 random 模块,然后让它在九个数字之间进行选择。这真的很基本。
import random
numbers = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
如果您以后要使用它,您可以尝试将计算机选择的值放入变量中,但如果没有,打印功能应该这样工作:
choice = random.choice(numbers)
print(choice)
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]
最好的方法是使用导入随机函数
import random
print(random.sample(range(10), 10))
或没有任何库导入:
n={}
for i in range(10):
n[i]=i
for p in range(10):
print(n.popitem()[1])
这里 popitems 从字典 n
中删除并返回一个任意值。
random.sample
是另一个可以使用的
import random
n = 1 # specify the no. of numbers
num = random.sample(range(10), n)
num[0] # is the required number
这更像是一种数学方法,但它 100% 的时间都有效:
假设您想使用 random.random()
函数生成一个介于 a
和 b
之间的数字。为此,只需执行以下操作:
num = (b-a)*random.random() + a;
当然,您可以生成更多数字。
float
值。要获得纯整数:num = int(round((b-a)*random.random(),1)) + a
从 random 模块的文档页面:
警告:此模块的伪随机生成器不应用于安全目的。如果您需要加密安全的伪随机数生成器,请使用 os.urandom() 或 SystemRandom。
在 Python 2.4 中引入的 random.SystemRandom 被视为 cryptographically secure。在撰写本文时,它仍然在 Python 3.7.1 中可用。
>>> 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'
除了 string.digits
,可以根据其他一些答案使用 range
,也许还有理解。根据您的需要混合搭配。
我想我会用 quantumrand
添加到这些答案中,它使用 ANU 的量子数生成器。不幸的是,这需要互联网连接,但如果您关心数字的“随机性”,那么这可能会很有用。
https://pypi.org/project/quantumrand/
例子
import quantumrand
number = quantumrand.randint(0, 9)
print(number)
输出:4
文档有很多不同的示例,包括掷骰子和列表选择器。
random.randrange(10)
。
对于 Python 3.6,我的运气更好
str_Key = ""
str_RandomKey = ""
for int_I in range(128):
str_Key = random.choice('0123456789')
str_RandomKey = str_RandomKey + str_Key
只需添加 'ABCD' 和 'abcd' 或 '^!~=-><' 之类的字符来更改要从中提取的字符池,更改范围以更改生成的字符数。
OpenTURNS 不仅允许模拟随机整数,还允许使用 UserDefined
定义的类定义相关分布。
下面模拟了分布的 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)
这打印:
0 [8]
1 [7]
2 [4]
3 [7]
4 [3]
5 [3]
6 [2]
7 [9]
8 [0]
9 [5]
10 [9]
11 [6]
括号在那里是因为 x
是一维的 Point
。在一次调用 getSample
中生成 12 个结果会更容易:
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在此处:http://openturns.github.io/openturns/master/user_manual/_generated/openturns.UserDefined.html
不定期副业成功案例分享
secrets
模块获得更好的随机数。参考:docs.python.org/3/library/random.htmlimport secrets
secrets.randbelow(10)
random.SystemRandom()
的实例并调用该实例的方法;random.SystemRandom()
和secrets
一样(我相信它是根据它实现的)依赖于操作系统提供的加密随机性(例如,Windows 上的CryptGenRandom
,类 UNIX 上的/dev/urandom
)。