Python办公自动化 --- python数据分析
随机数
是随机产生的数字
可以是均匀分布的随机数、
标准正态分布的随机数、
正态分布的随机数、
随机抽样的随机数、
随机整数、随机浮点数、
按权重产生随机数，等等
那么，如何使用这些随机数呢？
python内置的random库
>>> import random as r
random.random()函数
返回 [0.0, 1.0) 之间的1个浮点数。对于左闭[、右开)的区间，随机数可能会是0，但不可能是1。
>>> r.random()
0.580336831229011
输出一个随机浮点数。
>>> round(r.random(),4)
0.4319
将产生的浮点数保留指定个数的小数点位数。
random.randint(a , b) 函数
返回[a, b]之间的1个随机整数。左右都是闭区间，所以随机数可能是a，也可能是b。等同于random.randrange(a,b+1)。
>>> r.randint(2,10)
10
>>> r.randint(2,10)
5
>>> r.randint(2,10)
2
random.randrange()函数
返回[a, b)之间的1个随机整数。左闭右开区间，所以随机数可能是a，但不可能是b。
>>> r.randrange(2,10)
7
>>> r.randrange(2,10)
2
>>> r.randrange(2,11,3)
8 这里参数3是步长，先按步长3产生2（含）到11（不含）的整数序列，再从产生的序列中随机抽取1个元素。如果没有第3个参数3，则默认是1。
random.uniform(a, b)函数
返回[a, b]之间的服从均匀分布的1个随机浮点数。
注意，两边都是闭区间。
>>> r.uniform(2,10)
8.928253460320967
random.choice()函数
从序列中随机取出一个元素，序列可以是列表、元组、字符串、迭代器，但不能是字典、集合。
>>> r.choice(['book','dog','love'])
'book'
>>> r.choice(('book','dog','love'))
'love'
>>> r.choice('compute')
'u'
>>> r.choice(range(10))
3
random.choices()函数
>>> r.choices(['dog','cat','pig'], weights=[6,2,2],k=5)
['dog', 'dog', 'pig', 'cat', 'dog']
从序列中按权重提取5个元素。
注意：参数权重weights的元素个数与序列元素个数必须相同。
权重的元素就是序列元素的权重值，如6就是dog的权重。
权重相对越大，被提取的可能性就越大。
random.shuffle() 函数
将序列中的元素顺序进行随机打乱。
>>> res = [1,2,3,4,5,6]
>>> r.shuffle(res)
>>> res
[1, 6, 3, 5, 2, 4]
注意，是在原序列中进行打乱，即直接在原序列上打乱元素顺序，而不是返回打乱后的新序列。
random.sample()函数
从序列中随机取出n个元素。
>>> res = [1,2,3,4,5,6]
>>> r.sample(res,2)
[2, 6]
高斯分布（正态分布）
>>> r.gauss(1,2)
5.182450065445453
返回均值为1标准差为2的正态分布的一个随机数。等同>>> r.normalvariate(1,2)，但是比它稍快。
第3库numpy的子库random
>>> import numpy as np
np.random.rand()函数
返回[0,1)之间的随机浮点数。
>>> np.random.rand(3).round(2)
array([0.55, 0.93, 0.21])
一维列表
>>> np.random.rand(2,3).round(2)
array([[0.42, 0.09, 0.01],
[0.69, 1. , 0.43]])
二维列表
>>> np.random.rand(2,3,4).round(2)
array([[[0.26, 0.05, 0.05, 0.83],
[0. , 0.43, 0.37, 0.62],
[0.24, 0.14, 0.88, 0.84]],
[[0.18, 0.01, 0.58, 0.06],
[0.21, 0.2 , 0.66, 0.87],
[0.07, 0.42, 0.75, 0.96]]])
三维列表
np.random.randn()函数
返回标准正态分布的随机数。
>>> np.random.randn(2).round(3)
array([-1.886, -0.383])
>>> np.random.randn(2,3).round(3)
array([[ 0.505, -2.098, 0.011],
[-1.491, 0.302, 0.046]])
>>> np.random.randn(2,3,4).round(3)
array([[[ 0.646, -0.825, 0.337, 1.325],
[-1.005, -0.817, 0.265, 0.101],
[-0.104, -0.138, 0.131, -0.553]],
[[-1.323, 0.819, -0.582, -1.434],
[-0.621, -1.315, 0.97 , 0.307],
[ 1.047, 0.76 , 0.347, -0.133]]])
np.random.randint(a,b,size)函数
返回[a,b)之间的随机整数，返回的个数由size决定。
>>> np.random.randint(2,10,3)
array([9, 4, 9])
>>> np.random.randint(2,10,(2,3))
array([[6, 8, 8],
[8, 7, 4]])
返回2行3列(2,3)的随机整数。
np.random.random_samplet()函数
同np.random.random()函数
同np.random.randf()函数
返回[0.0,1.0)之间的随机浮点数。
>>> np.random.random_sample(2).round(3)
array([0.273, 0.572])
>>> np.random.random_sample((2,4)).round(3)
array([[0.604, 0.652, 0.861, 0.162],
[0.692, 0.726, 0.315, 0.422]])
np.random.choice()函数
>>> np.random.choice(5)
1 从[0,5)随机抽取一个整数
>>> np.random.choice(5,2)
array([1, 3]) 从[0,5)随机抽取2个整数
>>> np.random.choice(5,2)
array([4, 4]) 从[0,5)随机抽取2个整数，可以是重复的整数
>>> np.random.choice([10,20,30,40],6)
array([20, 20, 10, 20, 30, 20])
>>> np.random.choice([10,20,30,40],3,replace=False)
array([30, 20, 10])
设置参数replace为False，不能抽取重复的整数。
>>> np.random.choice([10,20,30,40],3,p=[0.7,0.1,0.2,0])
array([30, 20, 10])
参数p必须与序列的元素个数相同，p是序列每个元素被抽取的概率。
np.random.shuffle()函数
>>> lb = [1,2,3,4,5,6]
>>> np.random.shuffle(lb)
>>> lb
[5, 6, 2, 1, 3, 4]
打乱lb序列的元素顺序。
np.random.normal(a,b,size)函数
返回均值为a、标准差为b的正态分布的随机数size个。
>>> np.random.normal(0,1,3).round(3)
array([-0.571, -1.028, 0.184])
np.random.uniform(a,b,size)函数
返回1到3之间的均匀分布的随机数5个。
>>> np.random.uniform(1,3,5).round(3)
array([1.64 , 1.521, 2.902, 2.898, 1.638])
除了以上2个分布函数外，np.random子库还有很多其它的分布函数，具体可以查询numpy的文档（https://numpy.org/doc/）。
总结
以上就是python常用的2个随机数库
基本上能够满足我们对随机数的绝大部分需求
更多python办公自动化案例和经验
请继续关注我们的公众号和头条号
后期会持续进行更新
“白领服务工作室”的系列视频课如下：
Python办公自动化---Python入门课程
Python办公自动化---Python进阶课程
Python办公自动化---正则表达式
Python办公自动化---数据分析
Python办公自动化---网络爬虫
Python办公自动化---Excel表格专栏
Python办公自动化---Pdf专栏
Python办公自动化---Word专栏
Python办公自动化---图像专栏
Excel/WPS表格 --- 数据处理
如需学习以上视频课程，敬请留言！
作者 | 小白
来源 | 原创
编辑 | 白领服务工作室
