python第三方库-Random的使用(简单实用)

本文介绍了Python中各种随机数生成方法,如uniform、randint、shuffle等,并展示了如何在指定范围内生成随机数、抽取子集和选择元素。通过实例演示了如何在编程中灵活运用这些功能,提升代码的随机性和多样性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

导入包
import random
生成一个随机的浮点数,在0 ~ 1之间
# 输入
result = random.random()
print(result)
# 输出
0.5327799073909419
从指定的序列或列表中, 随机的截取指定长度的片段
# 输入
sequence = [1, 2, 3, 4]
result = random.sample(sequence, 2)
print(result)
# 输出
[2, 3]
随机生成一个int类型的数,可以指定这个数的范围
# 输入
result = random.randint(1, 10)
print(result)
# 输出
1
将一个序列里的元素随机打乱
# 输入
sequence = [1, 2, 3, 4]
random.shuffle(sequence)
print(sequence)
# 输出
[3, 2, 4, 1]
在指定范围内生成随机小数,两个参数其中一个是上限,一个是下限
# 输入
result = random.uniform(1, 2)
print(result)
# 输出
1.09758866207026
从序列中获取一个随机元素
# 输入
sequence = [1, 2, 3]
result = random.choice(sequence)
print(result)
# 输出
2
从指定范围内,按指定基数递增的集合中获取一个随机数
# 输入
result = random.randrange(0, 100, 2)
print(result)
# 输出
88
### 常用 Python 第三方库列表 在 Python 软件开发过程中,第三方库极大地扩展了 Python 的功能。以下是部分广泛使用第三方库: #### 数据处理与分析 - **Pandas**: 提供高性能的数据结构和数据分析工具,特别适合表格数据的操作[^1]。 ```python import pandas as pd data = {'Column1': [1, 2], 'Column2': [3, 4]} df = pd.DataFrame(data) print(df) ``` - **NumPy**: 支持大型多维数组与矩阵运算的基础,同时提供大量的数学函数来操作这些数组. ```python import numpy as np array = np.array([[1, 2], [3, 4]]) print(array) ``` #### Web 开发框架 - **Django**: 高级的Web框架,鼓励快速开发并保持干净实用的设计原则. ```python from django.http import HttpResponse def hello(request): return HttpResponse("Hello world!") ``` - **Flask**: 微型Web应用框架,简单灵活易于上手. ```python from flask import Flask app = Flask(__name__) @app.route('/') def hello_world(): return 'Hello World!' ``` #### 自然语言处理 (NLP) - **NLTK**: Natural Language Toolkit 是用于构建处理人类语言数据程序的支持平台. ```python import nltk nltk.download('punkt') text = "Natural language processing is a field of artificial intelligence." tokens = nltk.word_tokenize(text) print(tokens) ``` #### 图像处理 - **OpenCV**: Open Source Computer Vision Library 主要应用于计算机视觉领域中的各种算法实现. ```python import cv2 img = cv2.imread('image.jpg',0) cv2.imshow('image', img) cv2.waitKey(0) cv2.destroyAllWindows() ``` #### 科学计算与机器学习 - **Scikit-Learn**: 构建于 NumPy 和 SciPy 上面的一个开源机器学习库,提供了简单的接口来进行分类、回归、聚类等任务. ```python from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split from sklearn.neighbors import KNeighborsClassifier iris = load_iris() X_train, X_test, y_train, y_test = train_test_split( iris['data'], iris['target'], random_state=0) knn = KNeighborsClassifier(n_neighbors=1) knn.fit(X_train, y_train) prediction = knn.predict(X_test) print(prediction) ``` 上述列举了一些最流行的 Python 第三方库,当然还有更多其他优秀的库等待探索。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值