Python math库和random库

1、math库

 >>> from math import *
 >>> 2*pi
 6.283185307179586
 >>> e
 2.718281828459045
 >>> ceil(2.3)
 3
 >>> floor(2.3)
 2
 >>> pow(2,3)
 8.0
 >>> log(e)
 1.0
 >>> log10(100)
 2.0
 >>> sqrt(16)
 4.0

 >>> from math import *
 >>> exp(2)
 7.38905609893065
 >>> e**2
 7.3890560989306495
 >>> degrees(pi)
 180.0
 >>> radians(120)
 2.0943951023931953
 >>> sin(pi/2)
 1.0
 >>> cos(pi/3)
 0.5000000000000001
 >>> tan(pi/4)
 0.9999999999999999
 >>> atan(1)
 0.7853981633974483
 >>> asin(1)
 1.5707963267948966
 >>> acos(1)
 0.0

2、random库

 from random import *
 >>> random()
 0.6606648937887478
 >>> uniform(1,10)
 8.316837423419921
 >>> randint(1,10)
 5
 >>> randrange(0,10,2)
 4
 >>> randrange(0,10,2)
 8
 >>> randrange(0,10,2)
 6
 >>> randrange(0,10,2)
 0
 >>> ra=[0,1,2,3,4,5,6,7,8,9]
 >>> choice(ra)
 1
 >>> shuffle(ra)
 >>> ra
 [0, 2, 3, 9, 7, 8, 5, 6, 1, 4]
 >>> sample(ra,4)
 [1, 8, 5, 9]

3、随机种子

 >>> seed(10)
 >>> random()
 0.5714025946899135
 >>> random()
 0.4288890546751146
 >>> random()
 0.5780913011344704
 >>> seed(1)
 >>> random()
 0.13436424411240122
 >>> random()
 0.8474337369372327
 >>> seed(10)
 >>> random()
 0.5714025946899135
 >>> random()
 0.4288890546751146
 >>> random()
 0.5780913011344704

可以看出，通过随机种子生成的是伪随机数。

4、蒙特卡洛(Monte Carlo)方法

又称随机抽样或统计试验方法。当所求解问题是某种事件出现的概率，或某随机变量期望值时，可以通过某种“试验”的方法求解。简单说，蒙特卡洛是利用随机试验求解问题的方法。

π计算问题的IPO表示如下：

输入：抛点的数量

处理：对于每个抛洒点，计算点到圆心的距离，通过距离判断该点在圆内或是圆外。统计在圆内点的数量

输出：π值

 from math import sqrt
 from random import random
 from time import clock #时间库

 Darts=150000  #投掷次数
 hits=0 #击中次数
 clock()
 for i in range(Darts):
     x,y=random(),random()  #同步赋值
     if sqrt((x**2+y**2))<=1:
         hits=hits+1
 pai=4*hits/Darts
 print("Pi的值是：%f"%pai)
 print("程序运行时间%s s"%clock())