2-1:math库与random库

一、math库:

math库是python语言中常用的一个函数库,它包含了一批数学函数,下面我们看一下这个函数库

由于math库中的函数与数学中的函数比较一致,相对比较简单,请同学们自行练习一下;

二、random库

random库也是python语言中常用的一个函数库,它包含了一批随机函数,随机函数用来生成随机数,随机数指随机生成的数据。

随机数库及其使用:

from random import *
print(random())         #生成一个0到1之间的小数
print(uniform(1,10))     #生成一个1到10之间的小数
print(randint(1,10))     #生成一个整数
print(randrange(0,10,2)) #生成一个列表

ra = [0,1,2,3,4,5,6,7,8,9]
choice(ra)               #在列表中随机选择一个数
shuffle(ra)              #随机改变列表的顺序
print(ra)
print(sample(ra,4))      #在列表中随机采样4个元素

seed(10)   #通过调用seed()函数重置随机种子,random库默认使用系统时钟作为随机种子!
print(uniform(1,10))
print(uniform(1,10))
#以上用两个uniform来生成两个随机数
seed(10)  #再次设定相同的随机种子,再用uniform调用两个随机数
print(uniform(1,10))
print(uniform(1,10))
#我们看到当设定相同随机种子后,每次调用随机数,生成的随机数都是相同的,这就是随机种子的作用!为什么呢?因为计算机是一个确切设备,它不能生成真正的随机数!
#相同的种子产生相同的伪随机序列,也有利于程序的验证执行
时间: 2024-12-09 04:15:08

2-1:math库与random库的相关文章

Python math库和random库

1.math库 1 >>> from math import * 2 >>> 2*pi 3 6.283185307179586 4 >>> e 5 2.718281828459045 6 >>> ceil(2.3) 7 3 8 >>> floor(2.3) 9 2 10 >>> pow(2,3) 11 8.0 12 >>> log(e) 13 1.0 14 >>>

python基础知识进阶(四) Python语言的math库和random库和实例

元组和列表 写的 过程中没保存,下次补上吧.好尴尬,手好残. 计算机是一个确定性设备,不能产生真正的随机数.(使用seed函数,两次的值都是一样的) 由计算机产生的随机数,都是一个由种子产生的伪随机数列.相同的随机种子会产生相同的伪随机数列. π的计算 圆周率π是一个无理数,没有任何一个精确公式能够计算π值,π的计算只能采用近似算法. 国际公认的π值计算采用蒙特卡洛方法. 简单说,蒙特卡洛是利用随机试验求解问题的方法. π计算问题的ipo表示如下: 输入:抛点的数量 处理:对于每个抛洒点,计算点

模块: random库的使用

random库概述 random库是使用随机数的Python标准库-伪随机数: 采用梅森旋转算法生成的(伪)随机序列中元素-random库主要用于生成随机数-使用random库: import random random库包括两类函数,常用共8个-基本随机数函数:seed(),random()-扩展随机数函数:randint(), getrandbits(), uniform(),randrange(), choice(), shuffle() 基本随机数函数 >>>import ran

Python标准库12 数学与随机数 (math包,random包)

作者:Vamei 出处:http://www.cnblogs.com/vamei 欢迎转载,也请保留这段声明.谢谢! 我们已经在Python运算中看到Python最基本的数学运算功能.此外,math包补充了更多的函数.当然,如果想要更加高级的数学功能,可以考虑选择标准库之外的numpy和scipy项目,它们不但支持数组和矩阵运算,还有丰富的数学和物理方程可供使用. 此外,random包可以用来生成随机数.随机数不仅可以用于数学用途,还经常被嵌入到算法中,用以提高算法效率,并提高程序的安全性. m

python之random库的使用以及程序的异常处理

1.random库的使用: random库是使用随机数的Python标准库从概率论角度来说,随机数是随机产生的数据(比如抛硬币),但时计算机是不可能产生随机值,真正的随机数也是在特定条件下产生的确定值,只不过这些条件我们没有理解,或者超出了我们的理解范围.计算机不能产生真正的随机数,那么伪随机数也就被称为随机数--伪随机数:计算机中通过采用梅森旋转算法生成的(伪)随机序列元素python中用于生成伪随机数的函数库是random因为是标准库,使用时候只需要import random random库

python标准库学习-random

想想这么多年,也是没有好好梳理一下自己的知识体系,以至于总是会有书到用时方恨少的遗憾. 最近既然有学习的动力,干脆就趁着这份工作不是特别忙的机会,写一点东西吧,也理理自己的逻辑思维能力. python有哪些库? 这个问题呢可以参照http://blog.csdn.net/python_wangjunji/article/details/8689297这篇博文来看. 当然咯,首先要先推荐一个可厉害的学习程序:Dash.学编程必备查询库,各种语言,专治"我要看源码病". 那第一篇呢,我就先

random库基本使用

概述:random库是使用随机数的python标准库,主要用来生成随机数 伪随机数:采用梅森旋转算法生成的伪随机序列中的元素 使用:import random 基本随机函数:seed()  random() 扩展随机函数:randint()  getrandbits()  uniform()  randrange()  choice()  shuffle() 详解: 基本随机函数 seed() 初始化给定的随机数种子,默认为当前系统时间 >>> random.seed(10) rando

圆周率的计算【random库的应用】

圆周率的计算 ????????????????????????????????????????????????????????????????????????????????????????????????描述???????????????????????????????????????????????????????????????????????????????????????????????? 求解圆周率可以采用蒙特卡罗方法,在一个正方形中撒点,根据在1/4圆内点的数量占总撒点数的比例计算

《超越C++标准库:Boost库导引》:序

序(Foreword) C++社区正在发生着一些美妙的事情.尽管C++仍然是世界上使用最广泛的编程语言,它依旧在变得更加强大而且易用.不信么?容我慢慢道来. 当前版本的标准C++是在1998年最终确定下来的,它为传统的过程式编程(procedural programming)以及面向对象和泛型编程(generic programming)提供了强有力的支持.正如老的(1998年以前的)C++单枪匹马地把面向对象引入软件开发者日常工作可及的范围那样,C++98针对泛型编程做了同样的事情.1990年