【python测试开发栈】帮你总结python random模块高频使用方法
随机数据在平时写python脚本时会经常被用到,比如随机生成0和1来控制逻辑、或者从列表中随机选择一个元素(其实抽奖程序也类似,就是从公司所有人中随机选择中奖用户)等等。这篇文章,就帮大家整理在python中random模块使用频率比较高的方法。
常用方法
为了方便大家理解和记忆,将方法进行了归类:
整数用函数
- random.randrange(stop)
- 随机返回[0, stop-1]之间的整数
- random.randrange(start, stop, step)
- 随机返回[start, stop-1]之间的整数。
- step是递增计数,列一个公式你就明白了:(随机生成的值—start)%step=0
- random.randint(start, stop)
- 随机返回[start, stop]之间的整数
- random.getrandbits(bits)
- 用于随机对应bits位的整数
- 随机返回[0, 2的bits位-1]之间的整数。
最后需要注意一点:上面的几个方法也是可以随机返回负数的,只需要参数传承负数就可以了。下面举个例子:
# 0-2之间的整数
print(random.randrange(3))
# 1-299之间的整数,增长基数是5
print(random.randrange(1, 300, 5))
# 1-20之间的整数
print(random.randint(1, 20))
# -3到0之间的负数
print(random.randint(-3, 0))
# -3到-1之间的负数
print(random.randrange(-3, 0))
# 返回1~2-1之间的数字
print(random.randrange(1))
# 返回1~2的32次方-1之间的数字
print(random.getrandbits(32))
## 返回值
0
1
17
0
-1
0
3150567570
浮点型函数
- random.random()
- 随机返回[0,1)之间的浮点型数字
- random.uniform(a, b)
- 随机返回[a,b)之间的浮点数字
其实上面的两个方法也是符合数学随机分布模式的,为了方便大家理解,我这里单独列出来(区别于下面的 数学分布模式),方便大家在随机生成浮点型数字时,能少些犹豫。
# 1. 生成一个0-1之间随机浮点数
print(random.random())
# 2. 生成一个a-b之间的随机浮点数
print(random.uniform(10, 500))
print(random.uniform(40, 10))
# 返回值
0.7833926665736892
150.2805875943869
39.88236257691508
序列函数
顾名思义,序列函数随机的对象是列表。
- random.choice(list)
- 从list随机返回一个元素。
- random.choices(list, weights,k)
- 相当于random.choice()的升级版本。
- weights是权重,针对list的每个元素都设置权重,来改变随机的概率。
- k是返回几个元素。需要注意这个方法返回的是列表。
- random.sample( population, k )
- 3.6新增功能,用于从population列表中,返回随机无重复的抽样。
- 前面提过抽奖,其实如果你想做一个抽奖系统,可以用这个方法改造。
- random.shuffle(list)
- 将list列表中的元素随机打乱。
对应的例子如下:
# 从给定的序列中随机选择一个元素
print(random.choice([1, 2, 3, 4, 5]))
# random.choice的升级版本,还可以指定某个元素对应的权重
print(random.choices([1, 2, 3, 4, 5], [10, 15, 45, 50, 60]))
# 打乱某个序列,从python3.6新增的方法
list_test = [2, 3, 4, 5, 6]
random.shuffle(list_test)
print(list_test)
# 取样,从某个列表中,随机选择若干个元素
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的行为
- random.seed( a=None, version=2 )
- 设置random的种子值,怎么理解种子值呢?大家就想一句话就好了:"种瓜得瓜种豆得豆",所以一样的种子值,那么种出来的结果是一样的。
- 假如现在随机两次,在调用random随机生成数据前,将random.seed设置成一样的值,则随机生成的值是一样的。
- random.getstate()
- 这个很简单,就是返回random生成器当前的状态的。
- random.setstate(state)
- 这个用于设置random的状态
- setstate和getstate方法结合起来使用,可以用于恢复random的状态。
对应的例子如下:
# 验证seed
random.seed(1)
print(random.randrange(1000))
random.seed(1)
print(random.randrange(1000))
# 验证random的状态
state = random.getstate()
print(random.randrange(1000))
print(random.randrange(1000))
random.setstate(state)
print(random.randrange(1000))
# 返回结果
137
137
582
867
582
数学分布模式
下面列的这些方法都是跟数学分布的概念有关系,说实话大学里学的相关的东西,都还给老师了,我查了资料想去理解不同的数学分布的知识,但是理解起来有些吃力,不过其实对我们使用的人来说,只需要理解其能根据一定规则,随机返回浮点数就可以了。
- random.triangular(low, high, mode) 以三角分布的概率分布返回随机数
- random.betavariate(alpha, beta) 以beta分布的概率分布返回0到1之间的随机数
- random.expovariate() 以指数分布返回随机数
- random.gammavariate(alpha, beta) 以gamma分布的概率分布返回随机数
- random.gauss(mu, sigma) 以高斯分布的概率分布返回随机数
- random.lognormvariate(mu, sigma) 以对数正态分布的概率分布返回随机数
- random.normalvariate(mu, sigma) 和高斯分布类似
- random.vonmisesvariate(mu, kappa) 以von Mises分布的概率分布返回随机数
- random.paretovariate(alpha) 以Pareto( 帕累托)分布的概率分布返回随机数
- random.weibullvariate(alpha, beta) 以Weibull(威尔布)分布的概率分布返回随机数
其实大家也不需要完全记住上面的方法,碰到具体的使用场景,知道有对应的方法,能查看文档找到就可以了。
总结
上面帮大家整理了random模块高频使用的方法,相对还是比较简单的,大家有任何的问题,欢迎留言。
关注【公众号:软件测试布道师】,回复【python】,即可获取【python自动化及编程实践资料】
【python测试开发栈】帮你总结python random模块高频使用方法的更多相关文章
- 【python测试开发栈】python基础语法大盘点
周边很多同学在用python,但是偶尔会发现有人对python的基础语法还不是特别了解,所以帮大家梳理了python的基础语法(文中的介绍以python3为例).如果你已然是python大牛,可以跳过 ...
- 【python测试开发栈】—帮你总结Python os模块高频使用的方法
Python中的os模块是主要和系统操作相关的模块,在平时的工作中会经常用到,花时间整理了os模块的高频使用方法,同时整理出使用时需要注意的点.归纳来讲,os模块的方法可以分为:目录操作.文件操作.路 ...
- 【python测试开发栈】带你彻底搞明白python3编码原理
在之前的文章中,我们介绍过编码格式的发展史:[文章传送门-todo].今天我们通过几个例子,来彻底搞清楚python3中的编码格式原理,这样你之后写python脚本时碰到编码问题,才能有章可循. 我们 ...
- 【python测试开发栈】—python内存管理机制(二)—垃圾回收
在上一篇文章中(python 内存管理机制-引用计数)中,我们介绍了python内存管理机制中的引用计数,python正是通过它来有效的管理内存.今天来介绍python的垃圾回收,其主要策略是引用计数 ...
- 【python测试开发栈】python内存管理机制(一)—引用计数
什么是内存 在开始进入正题之前,我们先来回忆下,计算机基础原理的知识,为什么需要内存.我们都知道计算机的CPU相当于人类的大脑,其运算速度非常的快,而我们平时写的数据,比如:文档.代码等都是存储在磁盘 ...
- 【python测试开发栈】—理解python深拷贝与浅拷贝的区别
内存的浅拷贝和深拷贝是面试时经常被问到的问题,如果不能理解其本质原理,有可能会答非所问,给面试官留下不好的印象.另外,理解浅拷贝和深拷贝的原理,还可以帮助我们理解Python内存机制.这篇文章将会通过 ...
- 《Python测试开发技术栈—巴哥职场进化记》—初来乍到,请多关照
上文<巴哥职场进化记-Python测试开发技术栈>开篇讲到巴哥毕业初到深圳,见到了来自五湖四海的室友.一番畅聊之后,抱着对未来职场生活的期待,大家都进入了梦乡.今天我们来看看巴哥第一天上班 ...
- 《Python测试开发技术栈—巴哥职场进化记》—软件测试工程师“兵器库”
上文<Python测试开发技术栈-巴哥职场进化记>-初来乍到,请多关照 我们介绍了巴哥入职后见到了自己的导师华哥,第一次参加团队站会,认识了团队中的开发小哥哥和产品小姐姐以及吃到了公司的加 ...
- 《Python测试开发技术栈—巴哥职场进化记》—前言
写在前面 今年从4月份开始写一本讲Python测试开发技术栈的书,主要有两个目的,第一是将自己掌握的一些内容分享给大家,第二是希望自己能系统的梳理和学习Python相关的技术栈.当时我本来打算以故事体 ...
随机推荐
- Java练习 SDUT-2272_Time
Time Time Limit: 1000 ms Memory Limit: 65536 KiB Problem Description Digital clock use 4 digits to e ...
- @atcoder - AGC036D@ Negative Cycle
目录 @description@ @solution@ @accepted code@ @details@ @description@ 给定一个 N 个点的有向带权图,从 0 编号到 N - 1.一开 ...
- js this详解
This的定义: 它代表函数运行时,自动生成的一个内部对象,只能在函数内部使用. this的指向在函数定义的时候是确定不了的,只有函数执行的时候才能确定this到底指向谁,实际上this的最终指向的是 ...
- @bzoj - 4377@ [POI2015] Kurs szybkiego czytania
目录 @description@ @solution@ @accepted code@ @details@ @description@ 给定 n, a, b, p,其中 n, a 互质.定义一个长度为 ...
- python selenium 测试 LOG
1.首先在根目录中新建一个Logs文件夹,写入文件 2.在framework文件夹中写入logger.py 3.在testsuits文件夹中写入test_log.py logger.py # _*_ ...
- iptables 详细使用
检查状态 先检查是否安装了iptables $ service iptables status 安装iptables $ yum install iptables 升级iptables $ yum u ...
- H3C SSH配置例子
- xshell评估期已过怎么办
重新下载更新即可,不要看到英文一脸懵逼,直接在页面中有红色*号的地方输入个人信息,licensetype 必须选 Home and School use(家庭和个人使用),最主要的是输入邮箱(必须是个 ...
- js数组冒泡排序
文章地址 https://www.cnblogs.com/sandraryan/ js数组的冒泡排序是最经典的一种排序方式(我以为). 冒泡排序是吧一组数组的元素两两比较,交换位置,通过多轮比较,实现 ...
- Python--day72--Django内置的serializers序列化介绍
序列化 Django内置的serializers def books_json(request): book_list = models.Book.objects.all()[0:10] from d ...