python 随机数生成的代码的详细分析

yipeiwu_com5年前Python基础
以下的文章主要是以介绍python随机数生成的代码来介绍Python随机数生成在实际操作过程中的具体应用,如果你对其的相关内容感兴趣的话,你就可以点击以下的文章。希望你会对它有所收获。
Python中的random模块用于生成随机数。下面介绍一下random模块中最常用的几个函数。
复制代码 代码如下:

random.randomrandom.random()

用于生成一个0到1的随机符点数:
复制代码 代码如下:

0 <= n < 1.0random.uniformrandom.uniform

的函数原型为:
复制代码 代码如下:

random.uniform(a, b)

用于生成一个指定范围内的随机符点数,两个参数其中一个是上限,一个是下限。如果a > b,则生成的随机数n: a <= n <= b。如果 a <b, 则
复制代码 代码如下:

b <= n <= a print random.uniform(10, 20) print random.uniform(20, 10)

结果(不同机器上的结果不一样)

18.7356606526 #12.5798298022 random.randintrandom.randint()
的函数原型为:
复制代码 代码如下:

random.randint(a, b)

用于生成一个指定范围内的整数。其中参数a是下限,参数b是上限,python随机数生成
复制代码 代码如下:

n: a <= n <= bprint random.randint(12, 20)

生成的随机数

n: 12 <= n <= 20 print random.randint(20, 20)
结果永远是
复制代码 代码如下:

20 #print random.randint(20, 10)

该语句是错误的。下限必须小于上限。 以上的内容就是对python随机数生成的实际操作的部分介绍。

相关文章

python实现写数字文件名的递增保存文件方法

如下所示: col = [] img = "test1" img1 = "test2" col.append(img) col.append(img1) data=np....

Python中的高级函数map/reduce使用实例

Python中的高级函数map/reduce使用实例

Python内建了map()和reduce()函数。 如果你读过Google的那篇大名鼎鼎的论文“MapReduce: Simplified Data Processing on Lar...

关于Pytorch的MNIST数据集的预处理详解

关于Pytorch的MNIST数据集的预处理详解

关于Pytorch的MNIST数据集的预处理详解 MNIST的准确率达到99.7% 用于MNIST的卷积神经网络(CNN)的实现,具有各种技术,例如数据增强,丢失,伪随机化等。 操作系统...

Anaconda多环境多版本python配置操作方法

conda测试指南 在开始这个conda测试之前,你应该已经下载并安装好了Anaconda或者Miniconda 注意:在安装之后,你应该关闭并重新打开windows命令行。 一、Con...

Python开发的十个小贴士和技巧及长常犯错误

下面是十个Python中很有用的贴士和技巧。其中一些是初学这门语言常常会犯的错误。 注意:假设我们都用的是Python 3 1. 列表推导式 你有一个list:bag = [1, 2,...