厦门网站建设68网站模板安卓

当前位置： 首页 > news >正文

厦门网站建设68,网站模板安卓,闵行网站制作设计公司,怎么做网站建设销售目的#xff1a;实现几种类型的伪随机数生成器。 random 模块基于 Mersenne Twister 算法提供了一个快速的伪随机数生成器。Mersenne Twister 最初开发用于为蒙特卡洛模拟器生成输入#xff0c;可生成具有分布均匀#xff0c;大周期的数字#xff0c;使其可以广泛用于各种…目的实现几种类型的伪随机数生成器。 random 模块基于 Mersenne Twister 算法提供了一个快速的伪随机数生成器。Mersenne Twister 最初开发用于为蒙特卡洛模拟器生成输入可生成具有分布均匀大周期的数字使其可以广泛用于各种应用。 生成随机数 random() 函数从生成的序列中返回下一个随机浮点数。所有返回值都在 0 n 1.0 范围内。 random_random.pyimport randomfor i in range(5):print(%04.3f % random.random(), end ) print()反复运行程序生成不同序列的数字。 \( python3 random_random.py0.859 0.297 0.554 0.985 0.452\) python3 random_random.py0.797 0.658 0.170 0.297 0.593为了生成指定范围内的数字使用 uniform() 方法。 random_uniform.pyimport randomfor i in range(5):print({:04.3f}.format(random.uniform(1, 100)), end ) print()传入最小和最大值 uniform() 使用公式 min (max - min) *random() 调整 random() 的返回值。 \( python3 random_uniform.py12.428 93.766 95.359 39.649 88.983 Seedingrandom() 每次调用的时候都生成不同的值并且在它重复任何数字之前有一个很大的周期。这对于生成唯一值及其变体很有用但有时以不同的方式处理相同的数据集是很有用的。一种技术是用一个程序生成随机数并保存他们以通过单独的步骤进行处理。然而对于大量数据可能不实用所以random 模块包含了 seed() 函数用于初始化伪随机数生成器以生成预期的一组值。 random_seed.pyimport randomrandom.seed(1)for i in range(5):print({:04.3f}.format(random.random()), end ) print()种子值用于控制根据公式生成的伪随机数序列的第一个值并且由于公式是确定的所以种子改变后它实际上设置了生成的完整序列。传入 seed() 的参数可以是任何可哈希的对象。默认使用基于平台的随机源如果可用否则使用当前时间。 \) python3 random_seed.py0.134 0.847 0.764 0.255 0.495\( python3 random_seed.py0.134 0.847 0.764 0.255 0.495保存状态 random() 使用的伪随机数生成算法的内部状态可以被保存下来然后用于控制子序列运行时生成的数字。在继续之前从较早的输入恢复状态减少了生成重复值和序列的可能性。getstate() 函数可以返回随后用于 setstate() 的重新初始化随机数生成器的数据。 random_state.pyimport random import os import pickleif os.path.exists(state.dat):# Restore the previously saved stateprint(Found state.dat, initializing random module)with open(state.dat, rb) as f:state pickle.load(f)random.setstate(state) else:# 使用一个初始状态print(No state.dat, seeding)random.seed(1)生成随机数 for i in range(3):print({:04.3f}.format(random.random()), end ) print()为下次使用保存状态 with open(state.dat, wb) as f:pickle.dump(random.getstate(), f)生成更多的随机数 print(\nAfter saving state:) for i in range(3):print({:04.3f}.format(random.random()), end ) print()getstate() 返回的数据是一个实现细节所以这个例子使用 pickle 保存数据到文件仅仅将它视作一个黑盒子。当程序开始的时候如果该文件存在它加载旧的状态然后继续。每次在保存状态前后运行生成了一些数字去演示恢复状态导致生成器产生了再次产生了相同的值。 \) python3 random_state.pyNo state.dat, seeding 0.134 0.847 0.764After saving state: 0.255 0.495 0.449\( python3 random_state.pyFound state.dat, initializing random module 0.255 0.495 0.449After saving state: 0.652 0.789 0.094随机整数 random() 生成浮点数。可以将结果转换为整数 但使用 randint() 直接生成整数更方便。 random_randint.pyimport randomprint([1, 100]:, end )for i in range(3):print(random.randint(1, 100), end )print(\n[-5, 5]:, end ) for i in range(3):print(random.randint(-5, 5), end ) print()randint() 的取值范围是其参数的闭区间。数字可以是正数或负数但第一个值应小于第二个值。\) python3 random_randint.py[1, 100]: 98 75 34 [-5, 5]: 4 0 5 randrange() 是从范围中选择值的更一般形式。random_randrange.pyimport randomfor i in range(3):print(random.randrange(0, 101, 5), end ) print()randrange() 支持 step 参数除了开始和结束值 所以它完全等同于从 range(start, stop, step) 中选择一个随机值。它效率更高因为范围实际上并没有构建。 \( python3 random_randrange.py15 20 85随机选择序列值 随机数生成器的一个常见用途是从枚举序列中返回随机项既是这些值不是数字。 random 模块包含了 choice() 函数用于从序列中随机获取值。这个例子模拟了投 10000 次硬币正面和反面出现的次数。 random_choice.pyimport random import itertoolsoutcomes {heads: 0,tails: 0, } sides list(outcomes.keys())for i in range(10000):outcomes[random.choice(sides)] 1print(Heads:, outcomes[heads]) print(Tails:, outcomes[tails]) 这里仅有两个可允许的结果因此不是使用数字并转换他们而是直接将 heads 和 tails 与 choice() 一起时候用。\) python3 random_choice.pyHeads: 5091 Tails: 4909排列 对棋牌游戏的模拟需要混合一副牌然后把它们发给玩家并且不能多次使用同一张牌。使用 choice() 会导致相同的牌被多次使用因此可以使用 shuffle() 洗牌然后在发牌的时候移除他们。 random_shuffle.pyimport random import itertoolsFACE_CARDS (J, Q, K, A) SUITS (H, D, C, S)def new_deck():return [# 值总是用两个值所以字符串有一致的长度{:2}{}.format(*c)for c in itertools.product(itertools.chain(range(2, 11), FACE_CARDS),SUITS,)]def show_deck(deck):p_deck deck[:]while p_deck:row p_deck[:13]p_deck p_deck[13:]for j in row:print(j, end )print()创建一副有序新牌 deck new_deck() print(Initial deck:) show_deck(deck随机打乱牌的次序 random.shuffle(deck) print(\nShuffled deck:) show_deck(deck)Deal 4 hands of 5 cards each hands [[], [], [], []]for i in range(5):for h in hands:h.append(deck.pop())展示手里的牌 print(\nHands:) for n, h in enumerate(hands):print({}:.format(n 1), end )for c in h:print(c, end )print()展示剩下的牌 print(\nRemaining deck:) show_deck(deck) 卡片表示为带有面值和数字。通过每次向四个列表中添加一张卡片并且将其从牌桌上移除以使其无法再次使用而创建默认的 「hands」。\( python3 random_shuffle.pyInitial deck:2H 2D 2C 2S 3H 3D 3C 3S 4H 4D 4C 4S 5H5D 5C 5S 6H 6D 6C 6S 7H 7D 7C 7S 8H 8D8C 8S 9H 9D 9C 9S 10H 10D 10C 10S JH JD JCJS QH QD QC QS KH KD KC KS AH AD AC ASShuffled deck:QD 8C JD 2S AC 2C 6S 6D 6C 7H JC QS QCKS 4D 10C KH 5S 9C 10S 5C 7C AS 6H 3C 9H4S 7S 10H 2D 8S AH 9S 8H QH 5D 5H KD 8D 10D 4C 3S 3H 7D AD 4H 9D 3D 2H KC JH JSHands: 1: JS 3D 7D 10D 5D 2: JH 9D 3H 8D QH 3: KC 4H 3S KD 8H 4: 2H AD 4C 5H 9SRemaining deck:QD 8C JD 2S AC 2C 6S 6D 6C 7H JC QS QCKS 4D 10C KH 5S 9C 10S 5C 7C AS 6H 3C 9H4S 7S 10H 2D 8S AH 采样 许多模拟器需要来自一组输入值的模拟样本。sample() 函数用于生成不重复样本值并且不改变输入序列。这个例子展示了从系统字典中打印随机样本单词。random_sample.pyimport randomwith open(/usr/share/dict/words, rt) as f:words f.readlines() words [w.rstrip() for w in words]for w in random.sample(words, 5):print(w) 用于产生结果集的算法考虑了输入的大小和所请求的样本以尽可能有效地产生结果。\) python3 random_sample.pystreamlet impestation violaquercitrin mycetoid plethoretical\( python3 random_sample.pynonseditious empyemic ultrasonic Kyurinish amphide多个同时生成器 除了模块级别的函数之外random 包含了一个 Random 类管理集合随机数生成器的内部状态。前面描述的所有函数都可以作为 Random 实例的可用方法并且每个实例可以被单独初始化使用而不会影响其他实例的返回值。 random_random_class.pyimport random import timeprint(Default initializiation:\n)r1 random.Random() r2 random.Random()for i in range(3):print({:04.3f} {:04.3f}.format(r1.random(), r2.random()))print(\nSame seed:\n)seed time.time() r1 random.Random(seed) r2 random.Random(seed)for i in range(3):print({:04.3f} {:04.3f}.format(r1.random(), r2.random()))在一个具有良好原生随机值种子的系统上实例以一个唯一状态运行。然而如果没有好的平台随机数生成器实例很可能被使用当前时间播种然后就产生了相同的值。 \) python3 random_random_class.pyDefault initializiation:0.862 0.390 0.833 0.624 0.252 0.080Same seed:0.466 0.466 0.682 0.682 0.407 0.407系统随机数 一些操作系统提供了一个随机数字生成器它可以访问随机数生成器引入的更多熵源。random 通过 SystemRandom 暴露了这个功能它和 Random 有相同的 API但是使用 os.urandom() 生成构成其它算法基础的值。 random_system_random.pyimport random import timeprint(Default initializiation:\n)r1 random.SystemRandom() r2 random.SystemRandom()for i in range(3):print({:04.3f} {:04.3f}.format(r1.random(), r2.random()))print(\nSame seed:\n)seed time.time() r1 random.SystemRandom(seed) r2 random.SystemRandom(seed)for i in range(3):print({:04.3f} {:04.3f}.format(r1.random(), r2.random()))SystemRandom 生成的序列是不可预测的因为随机性来源于系统而不是软件实际上seed() 和 setstate() 对它都没有影响。 $ python3 random_system_random.pyDefault initializiation:0.110 0.481 0.624 0.350 0.378 0.056Same seed:0.634 0.731 0.893 0.843 0.065 0.177非均匀分布 虽然 random() 生成的均匀分布值可以用于大多数目的但是其他分布可以更能精确地模拟特定情况。 random 模块也提供了生成这些分布的函数。他们被列在这里了但是并没有详细覆盖因为它们的使用趋向于特别的并且需要更复杂的案例。 正态分布 正态分布 通常用于非均匀分布的连续纸例如成绩高度宽度等。该分部生成的曲线具有独特的形状导致他被叫做 「钟形曲线」。random 模块包含了两个生成正态分布值的函数normalvariate() 和 略快的 gauss() 正太分布也被叫做高斯分布。 相关函数 lognormvariate() 生成的伪随机值的对数符合正太分布。对数正态分布对于作为几个不相互作用的随机变量的乘积的值很有用。 近似分布 三角分布用于小样本量的近似分布。三角形分布的曲线在已知的最小和最大值处具有低点并且在模式处具有高点其基于最可能的结果 由 triangular() 的模式参数反映。 指数分布 expovariate() 生成一个指数分布用于模拟均匀 Poisson 过程中的到达和间隔时间值例如放射性衰减或者进入服务器的请求数。 Pareto 或者 幂等分布符合许多由 Long Tail 观察到的现象。paretovariate() 可以模拟个人资源分配人们的财富对音乐家的需求对博客的关注等。 Angular Von Mises 或者 圆形正态分布由 vonmisesvariate() 生成用于计算循环值的概率日历 T 天数和时间。 大小 betavariate() 使用 Beta 分布生成值这通常用于贝叶斯统计和应用程序如任务持续时间建模。 gammavariate() 产生的 Gamma 分布用于模拟诸如等待时间降雨量和计算误差之类事物的大小。 由 weibullvariate() 计算的 Weibull 分布用于故障分析工业工程和天气预报。它描述了粒子或者其他离散对象的分布。