生成随机数在数据科学和计算机科学中是一个常见的需求。在 Python 中,有几种方法可以生成随机数,下面列举了其中的一些常见方法:

1.random 模块

Python 标准库中的 random 模块提供了许多生成随机数的函数。

import random

#生成一个 [0, 1) 范围内的随机浮点数
a=random.random()

#生成一个 [a, b) 范围的随机浮点数
b=random.uniform(1,10)

# 生成一个 [a, b) 范围内的随机整数
c=random.randint(1,10)

# 从指定列表中随机选择一个元素
lst=[1,2,3,4,5]
d=random.choice(lst)

# 打乱列表中元素的顺序
my_list = [1, 2, 3, 4, 5]
random.shuffle(my_list)

2.numpy 库

NumPy 是用于科学计算的一个常用库,它提供了更多生成各种类型随机数的函数。

import numpy as np

#默认的生成的都是一位

#生成一个 [0, 1) 范围内的随机浮点数
a1=np.random.rand()
#生成x个[0, 1) 范围内的随机浮点数
a2=np.random.rand(x)
#生成x*y的[0, 1) 范围内的随机浮点数数组
a3=np.random.rand(x,y)

#生成一位[0,10)内的随机整数,下面的均可行
b1=np.random.randint(10)
=np.random.randint(10,size=1)
=np,random.randint(0,10)
=np.random.randint(0,10,1)
=np.random.randint(0,10,size=1)
#生成x*y的[0,10)范围内的随机整数数组
b2=np.random.randint(0,10,size=(x,y))

#生成指定形状的标准正态分布(均值为 0,标准差为 1)的随机浮点数
c1=np.random.randn(10)
c2=np.random,randn(x,y)

#从给定列表或数组中随机选择元素:
lst=[1,2,3,4,5]
d1=np.random.choice(lst)

#生成10位[0,10)随机浮点数:
np.random.uniform(0,10,10)
#可以生成数组,不知道的就加个size=(x,y)试试


3.差异

  1. 功能性差异
    • random 模块提供了一些基本的生成随机数的函数,如生成随机整数、随机浮点数、随机选择等。
    • numpy.random 则提供了更多种类的随机数生成函数,包括但不限于上述的基本函数,还有生成符合特定分布的随机数(如正态分布、均匀分布等)、随机排列数组等功能。
  2. 效率
    • NumPy 的 numpy.random 在生成大量随机数时通常比 Python 的 random 模块更高效。因为 NumPy 库是用 C 语言编写的,在生成随机数时可以调用底层的高效代码。
    • 此外,NumPy 的随机数生成函数通常能够生成多维数组,而 Python 的 random 模块则主要针对生成单个数值。
  3. 种子控制
    • 在生成随机数时,种子(seed)是一个起始点,通过种子可以生成确定性的随机数序列。random 模块和 numpy.random 都提供了设置种子的功能,但是在使用上有所不同。在 random 模块中,可以通过 random.seed() 来设置种子,而在 numpy.random 中,可以通过 numpy.random.seed() 来设置种子。
    • 另外,numpy.random 还支持更复杂的随机数状态控制,可以通过 numpy.random.RandomState 类来创建一个随机数生成器对象,并在需要时复制生成器状态,使得同一序列的随机数可以在不同地方进行重现。
总的来说,如果你只需要生成一些基本的随机数,random 模块可能更简单直接,但如果需要生成大量随机数或者进行更复杂的随机数操作,那么使用 numpy.random 可能更为方便和高效。

Logo

腾讯云面向开发者汇聚海量精品云计算使用和开发经验,营造开放的云计算技术生态圈。

更多推荐