Python中调用random()函数的方法(%d,python,编程语言)

先给大家带来一列实例“生成-4-7之间的随机数，并且和为1，并将符合条的2个值打印出来”，通过调用random（）函数，代码如下：

importrandomforiinrange(30):num1=random.randint(-4,8)num2=random.randint(-4,8)ifnum1+num2==1:print(num1,num2)

运行结果：

-122-1

以上是调用：整数用函数

random.randrange(stop)

random.randrange(start, stop[, step])

从 range(start, stop, step) 返回一个随机选择的元素。 这相当于 choice(range(start, stop, step)) ，但实际上并没有构建一个 range 对象。

位置参数模式匹配 range() 。不应使用关键字参数，因为该函数可能以意外的方式使用它们。

拓展random（）函数调用用法以及实例演示

如常用数学实践中所使用的那样, 函数参数以分布方程中的相应变量命名;大多数这些方程都可以在任何统计学教材中找到。

1、random.random()

返回 [0.0, 1.0) 范围内的下一个随机浮点数。

2、random.uniform(a, b)

返回一个随机浮点数 N ，当 a <= b 时 a <= N <= b ，当 b < a 时 b <= N <= a 。

取决于等式 a + (b-a) * random() 中的浮点舍入，终点 b 可以包括或不包括在该范围内。

3、random.triangular(low, high, mode)

返回一个随机浮点数 N ，使得 low <= N <= high 并在这些边界之间使用指定的 mode 。 low 和 high 边界默认为零和一。 mode 参数默认为边界之间的中点，给出对称分布。

4、random.betavariate(alpha, beta)

Beta 分布。 参数的条件是 alpha > 0 和 beta > 0。 返回值的范围介于 0 和 1 之间。

5、random.expovariate(lambd)

指数分布。 lambd 是 1.0 除以所需的平均值，它应该是非零的。 （该参数本应命名为 “lambda” ，但这是 Python 中的保留字。）如果 lambd 为正，则返回值的范围为 0 到正无穷大；如果 lambd 为负，则返回值从负无穷大到 0。

6、random.gammavariate(alpha, beta)

Gamma 分布。 （ 不是 gamma 函数！ ） 参数的条件是 alpha > 0 和 beta > 0。

概率分布函数是:

x**(alpha-1)*math.exp(-x/beta)pdf(x)=--------------------------------------math.gamma(alpha)*beta**alpha

7、random.gauss(mu, sigma)

高斯分布。 mu 是平均值，sigma 是标准差。 这比下面定义的 normalvariate() 函数略快。

8、random.lognormvariate(mu, sigma)

对数正态分布。 如果你采用这个分布的自然对数，你将得到一个正态分布，平均值为 mu 和标准差为 sigma。 mu 可以是任何值，sigma 必须大于零。

9、random.normalvariate(mu, sigma)

正态分布。 mu 是平均值，sigma 是标准差。

10、random.vonmisesvariate(mu, kappa)

mu 是平均角度，以弧度表示，介于0和 2*pi 之间，kappa 是浓度参数，必须大于或等于零。 如果 kappa 等于零，则该分布在0到 2*pi 的范围内减小到均匀的随机角度。

11、random.paretovariate(alpha)

帕累托分布。 alpha 是形状参数。

12、random.weibullvariate(alpha, beta)

威布尔分布。 alpha 是比例参数，beta 是形状参数。

13、class random.Random([seed])

该类实现了 random 模块所用的默认伪随机数生成器。

14、class random.SystemRandom([seed])

使用 os.urandom() 函数的类，用从操作系统提供的源生成随机数。 这并非适用于所有系统。 也不依赖于软件状态，序列不可重现。 因此，seed() 方法没有效果而被忽略。 getstate() 和 setstate() 方法如果被调用则引发 NotImplementedError。

大多数随机模块的算法和种子函数都会在 Python 版本中发生变化，但保证两个方面不会改变：

1）如果添加了新的播种方法，则将提供向后兼容的播种机。

2）当兼容的播种机被赋予相同的种子时，生成器的 random() 方法将继续产生相同的序列。

基本示例：

>>>random()#Randomfloat:0.0<=x<1.00.37444887175646646>>>uniform(2.5,10.0)#Randomfloat:2.5<=x<10.03.1800146073117523>>>expovariate(1/5)#Intervalbetweenarrivalsaveraging5seconds5.148957571865031>>>randrange(10)#Integerfrom0to9inclusive7>>>randrange(0,101,2)#Evenintegerfrom0to100inclusive26>>>choice(['win','lose','draw'])#Singlerandomelementfromasequence'draw'>>>deck='acetwothreefour'.split()>>>shuffle(deck)#Shufflealist>>>deck['four','two','ace','three']>>>sample([10,20,30,40,50],k=4)#Foursampleswithoutreplacement[40,10,50,30]