一、引言
大家好！今天我们来聊一个有趣又神秘的话题 - Python代码混淆。听起来很高大上，是不是？别担心，我会用最简单的方式带你揭开它的神秘面纱。
2024年09月14日
大家好！今天我们来聊一个有趣又神秘的话题 - Python代码混淆。听起来很高大上，是不是？别担心，我会用最简单的方式带你揭开它的神秘面纱。
2024年09月14日
这个问题其实有非常简单的解决办法，就是利用Excel中的随机函数rand()，该函数能返回一个（0，1）之间的随机小数（不包含0与1）。假设有如下图所示的一张工作表，有一列【序号】，从1-48编号。
2024年09月14日
random 是 Python 的一个常用的内置模块，模块提供了生成随机数的功能，包含了多种生成随机数的函数，比如生成随机整数、随机浮点数、从序列中随机选择元素等。
2024年09月14日
Python的`random`模块提供了生成随机数的功能，这对于模拟、游戏开发、测试等多种场景都极为有用。它允许你生成随机整数、随机浮点数、随机选择元素等多种类型的随机数。
### 主要功能
- `random()`: 返回一个[0.0, 1.0)之间的随机浮点数。
2024年07月30日
经典神经网络非常灵活，但是某些任务并不适合它们。特别是一些算术运算证明对神经网络具有挑战性。这就是为什么Trask等人在他们的论文“ 神经算术逻辑单元（Neural Arithmetic Logic Units）”中引入了两个新模块，这些模块意味着在某些算术任务上表现良好。在这篇文章中，我将描述论文要解决的问题， 提出的解决方案，并使用PyTorch讨论实现细节和结果再现。
2024年07月30日
在了解线性回归的关键思想之后，我们可以开始通过代码来动手实现线性回归了。在这一节中，我们将从零 开始实现整个方法，包括数据流水线、模型、损失函数和小批量随机梯度下降优化器。虽然现代的深度学习 框架几乎可以自动化地进行所有这些工作，但从零开始实现可以确保我们真正知道自己在做什么。同时，了 解更细致的工作原理将方便我们自定义模型、自定义层或自定义损失函数。在这一节中，我们将只使用张量 和自动求导。在之后的章节中，我们会充分利用深度学习框架的优势，介绍更简洁的实现方式。
2024年04月09日
之前在 《流畅的 Python 》中看到一个例子比较有趣，所以整理一下通过本文分享给大家， 该案例是通过 Python 类属性创建一幅除去 大王、小王之后的 52 张扑克牌，并实现随机抽牌、排序、洗牌等功能；
2024年04月09日
import random
import string
# 随机整数：
random.randint(1,50)
# 随机选取0到100间的偶数：
random.randrange(0, 101, 2)
# 随机浮点数：
random.random()
random.uniform(1, 10)
# 随机字符：
random.choice('abcdefghijklmnopqrstuvwxyz!@#$%^&*()')
# 多个字符中生成指定数量的随机字符：
random.sample('zyxwvutsrqponmlkjihgfedcba',5)
# 从a-zA-Z0-9生成指定数量的随机字符：
ran_str = ''.join(random.sample(string.ascii_letters + string.digits, 8))
ran_str
# 多个字符中选取指定数量的字符组成新字符串：
''.join(random.sample(['z','y','x','w','v','u','t','s','r','q','p','o','n','m','l','k','j','i','h','g','f','e','d','c','b','a'], 5))
# 随机选取字符串：
random.choice(['剪刀', '石头', '布'])
# 打乱排序
items = [1, 2, 3, 4, 5, 6, 7, 8, 9, 0]
random.shuffle(items)
2024年04月09日
python random应用实例 从可选池随机选取指定个数的元素并随机排序 应用场景：每天要都要吃饭，爱吃的基本就那几样，但是又纠结每天该吃什么而且一周不重样。我们把经常吃的放在一个列表中，随机从中选取5个，并且随机排序，这样每周吃什么就自动列出来了