http://blog.csdn.net/pipisorry/article/details/39086463

隨機數種子

要每次產生隨機數相同就要設置種子，相同種子數的Random對象，相同次數生成的隨機數字是完全相同的；

random.seed(1) 這樣

random.randint(

0,

6, (

4,

5))每次都產生一樣的4*5的隨機矩陣

關于種子的介紹可參見[Java - 常用函數Random函數]

Python標準庫random模塊

（生成隨機數模塊）

random.random()

random.random()用于生成一個0到1的隨機符點數: 0 <= n < 1.0

random.uniform(a, b)

random.uniform的函數原型為：random.uniform(a, b)，用于生成一個指定范圍內的隨機符點數。如果a > b，則生成的隨機數n: b <= n <= a。如果 a

[python] view plain copy

printrandom.uniform(10,20)

printrandom.uniform(20,10)

#---- 結果（不同機器上的結果不一樣）

#18.7356606526

#12.5798298022

random.randint(a, b)

random.randint()的函數原型為：random.randint(a, b)，用于生成一個指定范圍內的整數。其中參數a是下限，參數b是上限，生成的隨機數n: a <= n <= b

Note:a =[random.randint(0, 100) for__ inrange(100)] #生成100個指定范圍內的整數

[python] view plain copy

printrandom.randint(12,20)#生成的隨機數n: 12 <= n <= 20

printrandom.randint(20,20)#結果永遠是20

#print random.randint(20, 10) #該語句是錯誤的。下限必須小于上限。

random.randrange([start], stop[, step])

random.randrange的函數原型為：random.randrange([start], stop[, step])，從指定范圍內，按指定基數遞增的集合中 獲取一個隨機數。如：random.randrange(10, 100, 2)，結果相當于從[10, 12, 14, 16, ... 96, 98]序列中獲取一個隨機數。random.randrange(10, 100, 2)在結果上與 random.choice(range(10, 100, 2) 等效。

random.choice(sequence)

random.choice從序列中獲取一個隨機元素。其函數原型為：random.choice(sequence)。參數sequence表示一個有序類型。這里要說明 一下：sequence在python不是一種特定的類型，而是泛指一系列的類型。list, tuple, 字符串都屬于sequence。有關sequence可以查看python手冊數據模型這一章，也可以參考：http://www.17xie.com/read-37422.html 。下面是使用choice的一些例子：

[python] view plain copy

printrandom.choice("學習Python")

printrandom.choice(["JGood","is","a","handsome","boy"])

printrandom.choice(("Tuple","List","Dict"))

random.shuffle(x[, random])

random.shuffle的函數原型為：random.shuffle(x[, random])，用于將一個列表中的元素打亂。如:

[python] view plain copy

p = ["Python","is","powerful","simple","and so on..."]

random.shuffle(p)

printp

#---- 結果（不同機器上的結果可能不一樣。）

#['powerful', 'simple', 'is', 'Python', 'and so on...']

random.sample(sequence, k)

random.sample的函數原型為：random.sample(sequence, k)，從指定序列中隨機獲取指定長度的片斷。sample函數不會修改原有序列。

[python] view plain copy

list = [1,2,3,4,5,6,7,8,9,10]

slice = random.sample(list, 5)#從list中隨機獲取5個元素，作為一個片斷返回

printslice

Note:上面這些方法是random模塊中最常用的，在Python手冊中，還介紹其他的方法。感興趣的朋友可以通過查詢Python手冊了解更詳細的信息。

皮皮blog

numpy中的random模塊

linspace(start, end, num): 如linspace(0,1,11)結果為[0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1];

arange(n): 產生一個從0到n-1的向量，如arange(4)結果為[0,1,2,3]

random.random([...]): 產生隨機矩陣，如random.random([2,3])產生一個2x3維的隨機數

Simple random data

rand(d0, d1, ..., dn) Random values in a given shape.

randn(d0, d1, ..., dn) Return a sample (or samples) from the “standard normal” distribution.

randint(low[, high, size]) Return random integers from low (inclusive) to high (exclusive).

random_integers(low[, high, size]) Return random integers between low and high, inclusive.

random_sample([size]) Return random floats in the half-open interval [0.0, 1.0).

random([size]) Return random floats in the half-open interval [0.0, 1.0).

ranf([size]) Return random floats in the half-open interval [0.0, 1.0).

sample([size]) Return random floats in the half-open interval [0.0, 1.0).

choice(a[, size, replace, p]) Generates a random sample from a given 1-D array ..

bytes(length) Return random bytes.

np.random.rand(a, b)

fromnumpy importrandom

x =random.rand(2, 3)

print(x)

[[ 0.1169922 0.08614147 0.17997144]

[ 0.5694889 0.43067372 0.62135592]]

x, y =random.rand(2, 3)

print(x)

print(y)

[ 0.60527337 0.78765269 0.71884661]

[ 0.67420571 0.946359 0.7632273 ] [

numpy - 基本數據類型、多維數組ndarray及函數操作]

np.random.randint(a, b, size=(c, d))

raw_user_item_mat =random.randint(0, 10, size=(3,4)) #指定生成隨機數范圍和生成的多維數組大小

print(raw_user_item_mat)

[[3 6 2 8]

[3 1 2 4]

[9 4 5 0]] [ Random sampling (

numpy.random)]

from: http://blog.csdn.net/pipisorry/article/details/39086463

ref: The Python Standard Library

http://blog.csdn.net/jgood/article/details/4278885

Numpy中使用矩陣-特殊的函數

python標準庫中的隨機分布函數

總結

以上是生活随笔為你收集整理的python产生5个随机数_Python和numpy生成随机数的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。