Ở đây, chúng tôi sẽ sử dụng phương thức thống nhất [] trả về số ngẫu nhiên giữa hai số được chỉ định [bao gồm cả hai]
Mã số
Python3
0.776933246168486130
0.776933246168486131
0.776933246168486132
0.776933246168486133
0.776933246168486134
0.776933246168486135
0.77693324616848610
0.77693324616848611
0.77693324616848612
đầu ra
0.0023922878433915162
Phương pháp 2
Ở đây, chúng ta sẽ sử dụng phương thức random[] trả về một số thực ngẫu nhiên trong khoảng từ 0 đến 1
Mã số
Python3
0.776933246168486130
0.776933246168486131
0.776933246168486132
0.776933246168486133
0.77693324616848617
đầu ra
0.7769332461684861
Phương pháp 3
Ở đây, chúng ta sẽ sử dụng numpy để tạo mảng các số ngẫu nhiên
Mã số
Python3
0.776933246168486130
0.77693324616848619
0.776933246168486132
0.033944181478818391
0.033944181478818392____73
0.77693324616848611
0.033944181478818395
0.776933246168486135
0.033944181478818397
0.776933246168486133
0.033944181478818399
đầu ra
0.03394418147881839
Phương pháp 4
Ở đây, chúng ta sẽ thấy cách tiếp cận tùy chỉnh để tạo các số ngẫu nhiên
randint[] là phương thức trả về số nguyên ngẫu nhiên giữa hai giá trị được chỉ định
Mã số
Python3
0.776933246168486130
0.776933246168486131
0.776933246168486132
0.776933246168486133
0.776933246168486154
0.776933246168486135
0.77693324616848610
0.776933246168486157
0.776933246168486158
0.776933246168486158
0.7769332461684861300
0.7769332461684861301
0.7769332461684861302
0.776933246168486157
0.776933246168486158
0.776933246168486158
0.7769332461684861300
0.7769332461684861301
Để tạo số ngẫu nhiên trong Python, hàm
0.776933246168486154 được sử dụng. Chức năng này được xác định trong mô-đun ngẫu nhiên
Mã nguồn
0.77693324616848613
đầu ra
0.77693324616848614
Lưu ý rằng chúng tôi có thể nhận được kết quả khác nhau vì chương trình này tạo số ngẫu nhiên trong phạm vi 0 và 9. Cú pháp của hàm này là
0.77693324616848615
Điều này trả về một số N trong phạm vi bao gồm
0.776933246168486155, nghĩa là
0.776933246168486156, trong đó các điểm cuối được bao gồm trong phạm vi
Đối với số nguyên, có lựa chọn thống nhất từ một phạm vi. Đối với các chuỗi, có sự lựa chọn thống nhất của một phần tử ngẫu nhiên, một chức năng để tạo ra một hoán vị ngẫu nhiên của một danh sách tại chỗ và một chức năng để lấy mẫu ngẫu nhiên mà không cần thay thế
Trên dòng thực, có các hàm để tính toán các phân phối thống nhất, bình thường [Gaussian], logic, hàm mũ âm, gamma và beta. Để tạo phân phối các góc, phân phối von Mises có sẵn
Hầu như tất cả các chức năng của mô-đun đều phụ thuộc vào chức năng cơ bản
0.776933246168486160, chức năng này tạo ra một số float ngẫu nhiên thống nhất trong phạm vi bán mở [0. 0, 1. 0]. Python sử dụng Mersenne Twister làm trình tạo lõi. Nó tạo ra số float chính xác 53 bit và có khoảng thời gian là 2**19937-1. Việc triển khai cơ bản trong C vừa nhanh vừa an toàn. Mersenne Twister là một trong những trình tạo số ngẫu nhiên được thử nghiệm rộng rãi nhất hiện có. Tuy nhiên, hoàn toàn xác định, nó không phù hợp cho mọi mục đích và hoàn toàn không phù hợp cho mục đích mã hóa
Các chức năng được cung cấp bởi mô-đun này thực sự là các phương thức ràng buộc của một thể hiện ẩn của lớp
0.776933246168486161. Bạn có thể khởi tạo phiên bản
0.776933246168486162 của riêng mình để nhận các trình tạo không chia sẻ trạng thái
Lớp
0.776933246168486162 cũng có thể được phân lớp nếu bạn muốn sử dụng một trình tạo cơ bản khác do chính bạn nghĩ ra. trong trường hợp đó, hãy ghi đè các phương thức
0.776933246168486160,
0.776933246168486165,
0.776933246168486166 và
0.776933246168486167. Theo tùy chọn, trình tạo mới có thể cung cấp phương thức
0.776933246168486168 — điều này cho phép
0.776933246168486169 tạo ra các lựa chọn trên một phạm vi lớn tùy ý
Mô-đun
0.776933246168486157 cũng cung cấp lớp
0.002392287843391516261 sử dụng chức năng hệ thống
0.002392287843391516262 để tạo số ngẫu nhiên từ các nguồn do hệ điều hành cung cấp
Cảnh báo
Không nên sử dụng bộ tạo giả ngẫu nhiên của mô-đun này cho mục đích bảo mật. Để sử dụng bảo mật hoặc mật mã, hãy xem mô-đun
0.002392287843391516263
Xem thêm
M. Matsumoto và T. Nishimura, “Mersenne Twister. Trình tạo số giả ngẫu nhiên thống nhất được phân bổ đều theo 623 chiều”, ACM Transactions on Modeling and Computer Simulation Vol. 8, Không. 1, tháng 1 trang. 3–30 1998
Công thức bổ sung-nhân-với-thực cho trình tạo số ngẫu nhiên thay thế tương thích với thời gian dài và các thao tác cập nhật tương đối đơn giản
Chức năng kế toán¶
ngẫu nhiên. hạt[a=Không, version=2]¶Khởi tạo trình tạo số ngẫu nhiên
Nếu a bị bỏ qua hoặc
0.002392287843391516264, thời gian hệ thống hiện tại được sử dụng. Nếu các nguồn ngẫu nhiên được cung cấp bởi hệ điều hành, chúng sẽ được sử dụng thay cho thời gian hệ thống [xem chức năng
0.002392287843391516262 để biết chi tiết về tính khả dụng]
Nếu a là một số nguyên, nó được sử dụng trực tiếp
Với phiên bản 2 [mặc định], một đối tượng
0.002392287843391516266,
0.002392287843391516267 hoặc
0.002392287843391516268 được chuyển đổi thành một
0.002392287843391516269 và tất cả các bit của nó được sử dụng
Với phiên bản 1 [được cung cấp để tái tạo các chuỗi ngẫu nhiên từ các phiên bản Python cũ hơn], thuật toán cho
0.002392287843391516266 và
0.002392287843391516267 tạo ra phạm vi hạt giống hẹp hơn
Đã thay đổi trong phiên bản 3. 2. Đã chuyển sang lược đồ phiên bản 2 sử dụng tất cả các bit trong chuỗi gốc.
Đã thay đổi trong phiên bản 3. 11. Hạt giống phải thuộc một trong các loại sau. Không có Loại,
0.002392287843391516269,
0.776933246168486183,
0.002392287843391516266,
0.002392287843391516267 hoặc
0.002392287843391516268. ngẫu nhiên. getstate[] ¶
Trả về một đối tượng nắm bắt trạng thái bên trong hiện tại của trình tạo. Đối tượng này có thể được chuyển đến
0.776933246168486167 để khôi phục trạng tháingẫu nhiên. trạng thái thiết lập[trạng thái] ¶
trạng thái lẽ ra phải được lấy từ một cuộc gọi trước đó tới
0.776933246168486166 và
0.776933246168486167 khôi phục trạng thái bên trong của trình tạo về trạng thái tại thời điểm
0.776933246168486166 được gọi
Hàm cho byte¶
ngẫu nhiên. randbyte[n] ¶Tạo n byte ngẫu nhiên
Không nên sử dụng phương pháp này để tạo mã thông báo bảo mật. Sử dụng
0.776933246168486161 thay thế
Mới trong phiên bản 3. 9
Các hàm cho số nguyên¶
ngẫu nhiên. sắp xếp[dừng] ¶ . random.sắp xếp[bắt đầu , dừng[, step]]Trả về một phần tử được chọn ngẫu nhiên từ
0.776933246168486162. Điều này tương đương với
0.776933246168486163, nhưng không thực sự xây dựng một đối tượng phạm vi
Mẫu đối số vị trí khớp với mẫu của
0.776933246168486164. Không nên sử dụng các đối số từ khóa vì hàm có thể sử dụng chúng theo những cách không mong muốn
Đã thay đổi trong phiên bản 3. 2. ______269 phức tạp hơn trong việc tạo ra các giá trị phân bổ đều. Trước đây, nó sử dụng một kiểu như
0.776933246168486166 có thể tạo ra các bản phân phối hơi không đồng đều.
Không dùng nữa kể từ phiên bản 3. 10. Tính năng tự động chuyển đổi các loại không phải số nguyên thành số nguyên tương đương không được dùng nữa. Hiện tại ________ 567 được chuyển đổi dễ dàng thành ________ 568. Trong tương lai, điều này sẽ tăng một
0.776933246168486169.
Không dùng nữa kể từ phiên bản 3. 10. Ngoại lệ được đưa ra cho các giá trị không tách rời như
0.776933246168486150 hoặc
0.776933246168486151 sẽ được thay đổi từ
0.776933246168486152 thành
0.776933246168486169. ngẫu nhiên. randint[a , b]¶
Trả về một số nguyên N ngẫu nhiên sao cho
0.776933246168486154. Bí danh cho
0.776933246168486155ngẫu nhiên. getrandbits[k] ¶
Trả về một số nguyên Python không âm với k bit ngẫu nhiên. Phương thức này được cung cấp cùng với trình tạo MersenneTwister và một số trình tạo khác cũng có thể cung cấp nó như một phần tùy chọn của API. Khi khả dụng,
0.776933246168486168 cho phép
0.776933246168486169 xử lý các phạm vi lớn tùy ý
Đã thay đổi trong phiên bản 3. 9. Phương thức này hiện chấp nhận 0 cho k.
Các hàm cho dãy¶
ngẫu nhiên. lựa chọn[seq] ¶Trả về một phần tử ngẫu nhiên từ seq chuỗi không trống. Nếu seq trống, tăng
0.776933246168486158ngẫu nhiên. lựa chọn[dân số , trọng lượng=None, *, cum_weights=None, k=1]¶
Trả về danh sách các phần tử có kích thước k được chọn từ dân số có thay thế. Nếu dân số trống, tăng
0.776933246168486158
Nếu một chuỗi trọng số được chỉ định, các lựa chọn được thực hiện theo các trọng số tương đối. Ngoài ra, nếu một chuỗi cum_weights được đưa ra, các lựa chọn được thực hiện theo trọng số tích lũy [có thể được tính bằng cách sử dụng
0.0339441814788183950]. Ví dụ: trọng số tương đối
0.0339441814788183951 tương đương với trọng số tích lũy
0.0339441814788183952. Bên trong, trọng số tương đối được chuyển đổi thành trọng số tích lũy trước khi thực hiện lựa chọn, vì vậy việc cung cấp trọng số tích lũy giúp tiết kiệm công việc
Nếu cả trọng số và cum_weights đều không được chỉ định, thì các lựa chọn được thực hiện với xác suất bằng nhau. Nếu một chuỗi trọng số được cung cấp, nó phải có cùng độ dài với chuỗi dân số. Đó là một
0.776933246168486169 để chỉ định cả trọng lượng và cum_weights
Trọng số hoặc cum_weights có thể sử dụng bất kỳ loại số nào tương tác với các giá trị
0.776933246168486183 được trả về bởi
0.776933246168486160 [bao gồm số nguyên, số thực và phân số nhưng không bao gồm số thập phân]. Trọng số được giả định là không âm và hữu hạn. Một
0.776933246168486152 được nâng lên nếu tất cả các trọng số bằng không
Đối với một hạt giống nhất định, hàm
0.0339441814788183957 có trọng số bằng nhau thường tạo ra một chuỗi khác với các lệnh gọi lặp lại tới
0.0339441814788183958. Thuật toán được sử dụng bởi
0.0339441814788183957 sử dụng số học dấu chấm động cho tính nhất quán và tốc độ bên trong. Thuật toán được sử dụng bởi
0.0339441814788183958 mặc định là số học số nguyên với các lựa chọn lặp lại để tránh sai lệch nhỏ do lỗi làm tròn
Mới trong phiên bản 3. 6
Đã thay đổi trong phiên bản 3. 9. Tăng
0.776933246168486152 nếu tất cả các trọng số đều bằng 0. ngẫu nhiên. xáo trộn[x] ¶
Xáo trộn dãy x tại chỗ
Để xáo trộn một chuỗi bất biến và trả về một danh sách đã xáo trộn mới, thay vào đó hãy sử dụng
0.0339441814788183972
Lưu ý rằng ngay cả đối với
0.0339441814788183973 nhỏ, tổng số hoán vị của x có thể nhanh chóng lớn hơn khoảng thời gian của hầu hết các trình tạo số ngẫu nhiên. Điều này ngụ ý rằng hầu hết các hoán vị của một chuỗi dài không bao giờ có thể được tạo ra. Ví dụ: chuỗi có độ dài 2080 là chuỗi lớn nhất có thể nằm trong khoảng thời gian của trình tạo số ngẫu nhiên Mersenne Twister
Không dùng nữa kể từ phiên bản 3. 9, đã bị xóa trong phiên bản 3. 11. Tham số tùy chọn ngẫu nhiên.
ngẫu nhiên. mẫu[dân số , k, *, counts=None]¶Trả về danh sách độ dài k gồm các phần tử duy nhất được chọn từ chuỗi dân số. Được sử dụng để lấy mẫu ngẫu nhiên mà không cần thay thế
Trả về một danh sách mới chứa các phần tử từ tập hợp trong khi không thay đổi tập hợp ban đầu. Danh sách kết quả theo thứ tự lựa chọn để tất cả các lát cắt con cũng sẽ là các mẫu ngẫu nhiên hợp lệ. Điều này cho phép những người chiến thắng cuộc xổ số [mẫu] được phân chia thành giải thưởng lớn và người chiến thắng vị trí thứ hai [các phần phụ]
Các thành viên của quần thể không nhất thiết phải là có thể băm hoặc duy nhất. Nếu quần thể chứa các lần lặp lại, thì mỗi lần xuất hiện là một lựa chọn có thể có trong mẫu.
Các phần tử lặp lại có thể được chỉ định từng phần tử một hoặc với tham số đếm chỉ từ khóa tùy chọn. Ví dụ,
0.0339441814788183974 tương đương với
0.0339441814788183975
Để chọn một mẫu từ một dải số nguyên, hãy sử dụng đối tượng
0.776933246168486164 làm đối số. Điều này đặc biệt nhanh và tiết kiệm không gian để lấy mẫu từ một quần thể lớn.
0.0339441814788183977
Nếu cỡ mẫu lớn hơn cỡ dân số, thì
0.776933246168486152 được nâng lên
Đã thay đổi trong phiên bản 3. 9. Đã thêm tham số đếm.
Đã thay đổi trong phiên bản 3. 11. Quần thể phải là một dãy. Tự động chuyển đổi bộ thành danh sách không còn được hỗ trợ.
Phân phối giá trị thực¶
Các chức năng sau tạo phân phối giá trị thực cụ thể. Các tham số chức năng được đặt tên theo các biến tương ứng trong phương trình của phân phối, như được sử dụng trong thực tế toán học phổ biến;
ngẫu nhiên. ngẫu nhiên[] ¶Trả về số dấu phẩy động ngẫu nhiên tiếp theo trong phạm vi [0. 0, 1. 0]
ngẫu nhiên. đồng phục[a , b]¶Trả về một số dấu phẩy động ngẫu nhiên N sao cho
0.776933246168486154 cho
0.0339441814788183950 và
0.0339441814788183951 cho
0.0339441814788183952
Giá trị điểm cuối
0.0339441814788183953 có thể có hoặc không được bao gồm trong phạm vi tùy thuộc vào cách làm tròn dấu phẩy động trong phương trình
0.0339441814788183954ngẫu nhiên. hình tam giác[thấp , cao, mode]¶
Trả về một số dấu phẩy động ngẫu nhiên N sao cho
0.0339441814788183955 và với chế độ được chỉ định giữa các giới hạn đó. Giới hạn thấp và cao mặc định là 0 và một. Đối số chế độ mặc định là điểm giữa giữa các giới hạn, tạo ra phân phối đối xứngngẫu nhiên. betavariate[alpha , beta]¶
phân phối beta. Điều kiện trên các tham số là
0.0339441814788183956 và
0.0339441814788183957. Giá trị trả về nằm trong khoảng từ 0 đến 1ngẫu nhiên. exovariate[lambd] ¶
phân phối theo cấp số nhân. lambda là 1. 0 chia cho giá trị trung bình mong muốn. Nó phải khác không. [Tham số sẽ được gọi là “lambda”, nhưng đó là một từ dành riêng trong Python. ] Các giá trị được trả về nằm trong khoảng từ 0 đến vô cùng dương nếu lambda dương và từ vô cực âm thành 0 nếu lambda âm
ngẫu nhiên. biến thiên gam[alpha , beta]¶phân phối gamma. [Không phải chức năng gamma. ] Điều kiện về tham số là
0.0339441814788183956 và
0.0339441814788183957
Hàm phân phối xác suất là
0.776933246168486105ngẫu nhiên. gauss[mu=0. 0 , sigma=1. 0] ¶
Phân phối chuẩn, còn được gọi là phân phối Gaussian. mu là giá trị trung bình và sigma là độ lệch chuẩn. Điều này nhanh hơn một chút so với hàm
0.7769332461684861570 được xác định bên dưới
ghi chú đa luồng. Khi hai luồng gọi hàm này đồng thời, có thể chúng sẽ nhận được cùng một giá trị trả về. Điều này có thể tránh được theo ba cách. 1] Yêu cầu mỗi luồng sử dụng một phiên bản khác nhau của trình tạo số ngẫu nhiên. 2] Đặt khóa xung quanh tất cả các cuộc gọi. 3] Thay vào đó, hãy sử dụng hàm
0.7769332461684861570 chậm hơn nhưng an toàn cho luồng
Đã thay đổi trong phiên bản 3. 11. mu và sigma hiện có đối số mặc định.
Phân phối lognormal. Nếu lấy logarit tự nhiên của phân phối này, bạn sẽ nhận được phân phối chuẩn với mu trung bình và sigma độ lệch chuẩn. mu có thể có bất kỳ giá trị nào và sigma phải lớn hơn 0
ngẫu nhiên. biến bình thường[mu=0. 0 , sigma=1. 0] ¶Phân phối bình thường. mu là giá trị trung bình và sigma là độ lệch chuẩn
Đã thay đổi trong phiên bản 3. 11. mu và sigma hiện có đối số mặc định.
ngẫu nhiên. vonmisesvariate[mu , kappa]¶mu là góc trung bình, được biểu thị bằng radian trong khoảng từ 0 đến 2*pi và kappa là tham số nồng độ, giá trị này phải lớn hơn hoặc bằng 0. Nếu kappa bằng 0, phân phối này giảm xuống một góc ngẫu nhiên đồng nhất trong phạm vi từ 0 đến 2*pi
ngẫu nhiên. biến phụ[alpha] ¶phân phối Pareto. alpha là tham số hình dạng
ngẫu nhiên. weibullvariate[alpha , beta]¶phân phối Weibull. alpha là tham số tỷ lệ và beta là tham số hình dạng
Máy phát điện thay thế¶
lớp ngẫu nhiên. Ngẫu nhiên[[hạt]]¶Lớp triển khai trình tạo số giả ngẫu nhiên mặc định được sử dụng bởi mô-đun
0.776933246168486157
Không dùng nữa kể từ phiên bản 3. 9. Trong tương lai, hạt giống phải thuộc một trong các loại sau.
0.7769332461684861573,
0.002392287843391516269,
0.776933246168486183,
0.002392287843391516266,
0.002392287843391516267 hoặc
0.002392287843391516268. lớp ngẫu nhiên. SystemRandom[[hạt]]¶
Lớp sử dụng hàm
0.002392287843391516262 để tạo số ngẫu nhiên từ các nguồn do hệ điều hành cung cấp. Không có sẵn trên tất cả các hệ thống. Không phụ thuộc vào trạng thái phần mềm và trình tự không thể lặp lại. Theo đó, phương thức
0.776933246168486165 không có tác dụng và bị bỏ qua. Các phương thức
0.776933246168486166 và
0.776933246168486167 tăng
0.7769332461684861603 nếu được gọi
Lưu ý về khả năng lặp lại¶
Đôi khi, rất hữu ích khi có thể tái tạo các chuỗi được cung cấp bởi trình tạo số giả ngẫu nhiên. Bằng cách sử dụng lại một giá trị gốc, cùng một trình tự sẽ được tái tạo từ lần chạy này sang lần chạy khác miễn là nhiều luồng không chạy
Hầu hết các thuật toán và chức năng gieo hạt của mô-đun ngẫu nhiên có thể thay đổi qua các phiên bản Python, nhưng hai khía cạnh được đảm bảo không thay đổi
Nếu một phương pháp gieo hạt mới được thêm vào, thì một bộ gieo hạt tương thích ngược sẽ được cung cấp
Phương pháp
0.7769332461684861
60 của trình tạo sẽ tiếp tục tạo ra cùng một chuỗi khi trình tạo tương thích được cung cấp cùng một hạt giống
Ví dụ¶
ví dụ cơ bản
0.77693324616848616
mô phỏng
0.00239228784339151626
Ví dụ về bootstrapping thống kê sử dụng lấy mẫu lại có thay thế để ước tính khoảng tin cậy cho giá trị trung bình của mẫu
0.77693324616848618
Ví dụ về thử nghiệm hoán vị lấy mẫu lại để xác định ý nghĩa thống kê hoặc giá trị p của sự khác biệt quan sát được giữa tác dụng của thuốc so với giả dược
0.77693324616848616
Mô phỏng thời gian đến và cung cấp dịch vụ cho hàng đợi nhiều máy chủ
0.77693324616848615
Xem thêm
Statistics for Hackers một video hướng dẫn của Jake Vanderplas về phân tích thống kê chỉ sử dụng một vài khái niệm cơ bản bao gồm mô phỏng, lấy mẫu, xáo trộn và xác thực chéo
Mô phỏng kinh tế Mô phỏng thị trường của Peter Norvig cho thấy việc sử dụng hiệu quả nhiều công cụ và phân phối được cung cấp bởi mô-đun này [gauss, thống nhất, mẫu, biến thiên beta, lựa chọn, tam giác và phạm vi]
Giới thiệu cụ thể về xác suất [sử dụng Python] hướng dẫn của Peter Norvig bao gồm những điều cơ bản về lý thuyết xác suất, cách viết mô phỏng và cách thực hiện phân tích dữ liệu bằng Python
Công thức nấu ăn¶
Các công thức này cho thấy cách thực hiện các lựa chọn ngẫu nhiên một cách hiệu quả từ các trình vòng lặp tổ hợp trong mô-đun
0.7769332461684861605
0.033944181478818395
0.776933246168486160 mặc định trả về bội số của 2⁻⁵³ trong phạm vi 0. 0 ≤ x < 1. 0. Tất cả các số như vậy đều cách đều nhau và có thể biểu diễn chính xác khi Python float. Tuy nhiên, nhiều số float có thể biểu diễn khác trong khoảng thời gian đó là không thể lựa chọn. Ví dụ:
0.7769332461684861607 không phải là bội số nguyên của 2⁻⁵³
Công thức sau đây có một cách tiếp cận khác. Tất cả các số float trong khoảng thời gian là các lựa chọn có thể. Phần định trị xuất phát từ sự phân bố đều các số nguyên trong phạm vi 2⁵² ≤ phần định trị < 2⁵³. Số mũ xuất phát từ một phân phối hình học trong đó số mũ nhỏ hơn -53 xuất hiện bằng một nửa so với số mũ lớn hơn tiếp theo
0.033944181478818397
Tất cả bản phân phối có giá trị thực trong lớp sẽ sử dụng phương pháp mới.
0.033944181478818395
Về mặt khái niệm, công thức này tương đương với một thuật toán chọn từ tất cả các bội số của 2⁻¹⁰⁷⁴ trong phạm vi 0. 0 ≤ x < 1. 0. Tất cả các số như vậy đều cách đều nhau, nhưng hầu hết phải được làm tròn xuống số float Python có thể biểu thị gần nhất. [Giá trị 2⁻¹⁰⁷⁴ là số float không chuẩn hóa dương nhỏ nhất và bằng với
0.7769332461684861608. ]
Xem thêm
Tạo các giá trị dấu phẩy động giả ngẫu nhiên một bài báo của Allen B. Downey mô tả các cách để tạo ra nhiều số float chi tiết hơn bình thường được tạo bởi
0.776933246168486160