【python測試開發棧】幫你總結python random模組高頻使

隨機資料在平時寫python指令碼時會經常被用到，比如隨機生成0和1來控制邏輯、或者從列表中隨機選擇一個元素（其實抽獎程式也類似，就是從公司所有人中隨機選擇中獎使用者）等等。這篇文章，就幫大家整理在python中random模組使用頻率比較高的方法。

常用方法

為了方便大家理解和記憶，將方法進行了歸類：

整數用函式

• random.randrange(stop)
  • 隨機返回[0, stop-1]之間的整數
• random.randrange(start, stop, step)
  • 隨機返回[start, stop-1]之間的整數。
  • step是遞增計數，列一個公式你就明白了：(隨機生成的值—start)%step=0
• random.randint(start, stop)
  • 隨機返回[start, stop]之間的整數
• random.getrandbits(bits)
  • 用於隨機對應bits位的整數
  • 隨機返回[0, 2的bits位-1]之間的整數。

最後需要注意一點：上面的幾個方法也是可以隨機返回負數的，只需要引數傳承負數就可以了。下面舉個例子：

    # 0-2之間的整數
    print(random.randrange(3))
    # 1-299之間的整數，增長基數是5
    print(random.randrange(1, 300, 5))
    # 1-20之間的整數
    print(random.randint(1, 20))
    # -3到0之間的負數
    print(random.randint(-3, 0))
    # -3到-1之間的負數
    print(random.randrange(-3, 0))

    # 返回1~2-1之間的數字
    print(random.randrange(1))
    # 返回1~2的32次方-1之間的數字
    print(random.getrandbits(32))
    
    ## 返回值
    0
    1
    17
    0
    -1
    0
    3150567570

浮點型函式

• random.random()
  • 隨機返回[0,1)之間的浮點型數字
• random.uniform(a, b)
  • 隨機返回[a,b)之間的浮點數字

其實上面的兩個方法也是符合數學隨機分佈模式的，為了方便大家理解，我這裡單獨列出來(區別於下面的 數學分佈模式)，方便大家在隨機生成浮點型數字時，能少些猶豫。

# 1. 生成一個0-1之間隨機浮點數
print(random.random())
# 2. 生成一個a-b之間的隨機浮點數
print(random.uniform(10, 500))
print(random.uniform(40, 10))
  
  # 返回值
  0.7833926665736892
  150.2805875943869
  39.88236257691508

序列函式

顧名思義，序列函式隨機的物件是列表。

• random.choice(list)
  • 從list隨機返回一個元素。
• random.choices(list, weights,k)
  • 相當於random.choice()的升級版本。
  • weights是權重，針對list的每個元素都設定權重，來改變隨機的機率。
  • k是返回幾個元素。需要注意這個方法返回的是列表。
• random.sample( population, k )
  • 3.6新增功能，用於從population列表中，返回隨機無重複的抽樣。
  • 前面提過抽獎，其實如果你想做一個抽獎系統，可以用這個方法改造。
• random.shuffle(list)
  • 將list列表中的元素隨機打亂。

對應的例子如下：

  # 從給定的序列中隨機選擇一個元素
  print(random.choice([1, 2, 3, 4, 5]))
  # random.choice的升級版本，還可以指定某個元素對應的權重
  print(random.choices([1, 2, 3, 4, 5], [10, 15, 45, 50, 60]))
  # 打亂某個序列，從python3.6新增的方法
  list_test = [2, 3, 4, 5, 6]
  random.shuffle(list_test)
  print(list_test)
  # 取樣，從某個列表中，隨機選擇若干個元素
  print(random.sample([1, 2, 3, 4, 5, 6, 7], k=3))

  # 返回值
  3
  [5]
  [6, 3, 4, 2, 5]
  [6, 1, 7]
	

控制random的行為

• random.seed( a=None, version=2 )
  • 設定random的種子值，怎麼理解種子值呢？大家就想一句話就好了：“種瓜得瓜種豆得豆”，所以一樣的種子值，那麼種出來的結果是一樣的。
  • 假如現在隨機兩次，在呼叫random隨機生成資料前，將random.seed設定成一樣的值，則隨機生成的值是一樣的。
• random.getstate()
  • 這個很簡單，就是返回random生成器當前的狀態的。
• random.setstate(state)
  • 這個用於設定random的狀態
  • setstate和getstate方法結合起來使用，可以用於恢復random的狀態。

對應的例子如下：

 # 驗證seed
 random.seed(1)
 print(random.randrange(1000))
 random.seed(1)
 print(random.randrange(1000))
 # 驗證random的狀態
 state = random.getstate()
 print(random.randrange(1000))
 print(random.randrange(1000))
 random.setstate(state)
 print(random.randrange(1000))
 
 # 返回結果
  137
  137
  582
  867
  582

數學分佈模式

下面列的這些方法都是跟數學分佈的概念有關係，說實話大學裡學的相關的東西，都還給老師了，我查了資料想去理解不同的數學分佈的知識，但是理解起來有些吃力，不過其實對我們使用的人來說，只需要理解其能根據一定規則，隨機返回浮點數就可以了。

• random.triangular(low, high, mode) 以三角分佈的機率分佈返回隨機數
• random.betavariate(alpha, beta) 以beta分佈的機率分佈返回0到1之間的隨機數
• random.expovariate() 以指數分佈返回隨機數
• random.gammavariate(alpha, beta) 以gamma分佈的機率分佈返回隨機數
• random.gauss(mu, sigma) 以高斯分佈的機率分佈返回隨機數
• random.lognormvariate(mu, sigma) 以對數正態分佈的機率分佈返回隨機數
• random.normalvariate(mu, sigma) 和高斯分佈類似
• random.vonmisesvariate(mu, kappa) 以von Mises分佈的機率分佈返回隨機數
• random.paretovariate(alpha) 以Pareto（ 帕累託）分佈的機率分佈返回隨機數
• random.weibullvariate(alpha, beta) 以Weibull（威爾布）分佈的機率分佈返回隨機數

其實大家也不需要完全記住上面的方法，碰到具體的使用場景，知道有對應的方法，能檢視文件找到就可以了。

總結

上面幫大家整理了random模組高頻使用的方法，相對還是比較簡單的，大家有任何的問題，歡迎留言。