标签：center for 就是 第一个 基本 seq span width 范围
random库是使用随机数的Python标准库
从概率论角度来说，随机数是随机产生的数据（比如抛硬币），但时计算机是不可能产生随机值，真正的随机数也是在特定条件下产生的确定值，只不过这些条件我们没有理解，或者超出了我们的理解范围。计算机不能产生真正的随机数，那么伪随机数也就被称为随机数
--伪随机数：计算机中通过采用梅森旋转算法生成的（伪）随机序列元素
python中用于生成伪随机数的函数库是random
因为是标准库，使用时候只需要import random
random库包含两类函数，常用的共8个
--基本随机函数： seed(), random()
--扩展随机函数：randint(), getrandbits(), uniform(), randrange(), choice(), shuffle()
Python中产生随机数使用随机数种子来产生 （只要种子相同，产生的随机序列，无论是每一个数，还是数与数之间的关系都是确定的，所以随机数种子确定了随机序列的产生）
随机数种子 梅森旋转算法 随机序列
10 0.5714025946899135
随机序列中的每一个数就是随机数
| 函数 |
描述 |
| seed(a=None) |
初始化给定的随机数种子，默认为当前系统时间 >>>random.seed(10) #产生种子10对应的序列 |
| random() |
生成一个[0.0,1.0)之间的随机小数 >>>random.random() 0.5714025946899135 #随机数产生与种子有关，如果种子是1哦，第一个数必定是这个 |
使用随机数种子的好处是可以复现有随机数的程序
在random库中，最基本的是seed 和random 函数，但时功能比较单一，为此产生了6个扩展随机数函数
| 函数 | 描述 |
| randint(a,b) |
生成一个[a,b]之间的整数 >>>random.randint(10,100) |
| randrange(m,n[,k]) |
生成一个[m,n)之间以k为步长的随机整数 >>>random.randrange(10,100,10) |
| getrandbits(k) |
生成一个k比特长的随机整数 >>>random.getrandbits(16) 37885 |
| uniform(a,b) |
生成一个[a,b]之间的随机小数 >>>random.uniform(10,100) 16.848041210321334 |
|
choice(seq) 序列相关 |
从序列中随机选择一个元素 >>>random.choice([1, 2, 3, 4, 5, 6, 7, 8, 9]) 8 |
|
shuffle(seq) 序列相关 |
将序列seq中元素随机排列,返回打乱后的序列 >>>s=[1, 2, 3, 4, 5, 6, 7, 8, 9]; random.shuffle(s); print(s) [9, 4, 6, 3, 5, 2, 8, 7, 1] |
随机数函数的使用要点：
--能够利用随机数种子产生“确定”伪随机数 seed生成种子，random函数产生随机数
--能够产生随机整数
--能对序列类型进行随机操作
标签：center for 就是 第一个 基本 seq span width 范围
原文地址：https://www.cnblogs.com/masked/p/8846439.html
