【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】