大部分的计算机语言都会提供 API 生成 随机数 ,此类 API 称为 随机数生成器 。 计算机可以用随机数模拟现实世界中的各种随机概率问题,没有随机生成器的编程语言不是“ 好语言 ”。 现实世界中的随机数:比如掷钱币、骰子、转轮、使用电子元件的噪音、核裂变等等。 计算机通过硬件技术摸拟现实世界中这种 物理现象 所生成的随机数,我们称其为真随机数。 这样的随机数生成器叫做 物理性随机数生成器 。生成真随机数对计算机的硬件技术要求较高。 真正随机数的特点:不可预测。 如在掷硬币时,你无法真正预测到下一次硬币的面向。 由算法摸拟生成的随机数称其为伪随机数。计算机编程语言中所生成的随机数基本上都是伪随机数。 伪随机数的特点:既然是由算法模拟的,虽然在一个较短的周期内是无法预测的,在一个较长的周期内的随机数具有可预测性。 生成伪随机数时,需要设置随机种子, 种子作用就是在随机数的生成算法里注入一个动态变化量。 比如说使用系统的当前时间做随机种子,随机算法就可以在时间变化的基础上生成随机性更大的随机数。但是,如果不是在毫秒级别下生成随机数,同一时间点下所生成的大量随机数就有可能出现相等的情况。 选择种子时,可以考虑综合多维度的变化值进行运算。如在 UNIX 系统中,将系统时间、连入WIFI、甚至按下的键盘次数都量化为了seed。 random 模块实现了各种分布的伪随机数生成器。因为完全确定性,它不适用于所有目的,并且完全不适合加密目的。不应将此模块的伪随机生成器用于安全目的。 有关安全性或加密用途,可使用 Python 中的 secrets 模块。 使得之前需要导入 random 模块 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 。 相当于 randrange(a, b+1) 结果 N 满足: a <= N <= b 每一次运行会从列表中随机获得一个数字。 可选参数 random 是一个无参数函数,在 [0.0, 1.0) 中返回随机浮点数;默认情况下,这是函数 random() 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。 结果 N 满足:当 a <= b 时 a <= N <= b ,当 b < a 时 b <= N <= a 。 更多方法可查阅官方文档。 3.1 随机彩色点 解题思路:可结合 turtle 模块绘制,随机小海龟出现的位置就可以了 概率法又称为蒙特卡罗法,是一种非常重要的数值计算方法。 该方法是以概率和统计理论方法为基础的一种计算方法。将所求解的问题同一定的概率模型相联系,用计算机实现统计模拟或抽样,以获得问题的近似解。 假设有一个半径为 1 的圆,如图所示,则图中阴影部分(1/4圆)的面积就等于值的1/4。通过概率法计算出阴影部分的面积,也就得到了π 值的 1/4,将阴影部分面积乘以 4 即可得到 π 的近似值。 输出结果: 输入的点数量越多,得到的 PI 的近似值就会越精确。 随机数可以完美地模拟真实世界里的各种概率或随机事件。python 的随机数生成除了可以使用 random 模块外,还可以使用 numpy 库中所提供的方法。1 . 概念
1.1 真、伪随机数
什么是真随机数?
什么是伪随机数?
1.2 随机数种子
参考指标越多,伪随机数就越接近真正的随机生成。
2. Python random 模块
import random
2.1 随机模块的方法
random.seed(a=None, version=2)
random.randrange(start, stop[, step])
random.randint(a, b)
random.choice(seq)
import random
lst = [5, 3, 90, 12, 4, 6]
r = random.choice(lst)
print(r)
andom.shuffle(x[, random])
import random
lst = [5.0, 3.0, 90.0, 12.0, 4.0, 6.0]
#使用 random.random 函数
random.shuffle(lst, random.random)
print(lst)
#输出结果
[3.0, 90.0, 6.0, 12.0, 5.0, 4.0]
#----------------------------------
def my_random():
return float(random.randint(0, 1))
lst = [5.0, 3.0, 90.0, 12.0, 4.0, 6.0]
#使用用户自定义函数
random.shuffle(lst, my_random)
print(lst)
random.sample(population, k, *, counts=None)
random.random()
random.uniform(a, b)
3. 不可预测之美
import random
import turtle
colors = ["red", "blue", "green", "gray", "orange"]
for i in range(100):
turtle.penup()
x = random.randint(-300, 300)
y = random.randint(-300, 300)
turtle.goto(x, y)
turtle.pendown()
turtle.dot(20, colors[i % 5])
turtle.done()
3.2 求 π 的值
求解思路
import random
i, n, s = 0, 0, 0
x, y = 0.0, 0.0
n = int(input("输入点的数量:"))
random.seed()
for i in range(n):
x = random.random()
y = random.random()
if (x * x + y * y) <= 1:
s += 1
print("PI=%f\n", 4 * s / n)
输入点的数量:9000000
PI= 3.141477777777778
4 . 总结