Python文件处理与随机数生成深入解析-优快云博客

本文链接：https://blog.youkuaiyun.com/weixin_35750953/article/details/146982573

Python文件处理与随机数生成深入解析

背景简介

在编程实践中，文件操作和随机数生成是两项非常常见的任务。本书的第二十二章节深入探讨了这些主题，提供了用Python进行文件读写和随机数生成的详细指导。

Python中的文件处理

数据表示与写入

在Python中，可以通过列表表示数据点，如点的x和y坐标。写入文件时，使用 with 语句可以简化资源管理，确保文件正确关闭。写入文件时，通过遍历列表并逐个将数据写入文件，需要注意在每条数据后添加换行符以保持文件格式的正确性。此外，还应处理可能发生的异常，如权限错误。

x = [12, 13, 14, 15]
y = [23, 22, 33, 19]

with open("data.txt", "w") as f:
    for i in range(len(x)):
        f.write(f"{x[i]} {y[i]}\n")

文件读取与解析

文件读取通常看似简单，但真正的挑战在于对读取内容的解析。通过使用 strip 方法去除字符串末尾的空白字符，以及 split 方法分割字符串，我们可以从文本文件中提取有用的数据。然而，这需要我们明确知道数据的格式和结构。

with open("data.txt", "r") as f:
    for l in f:
        stripped_l = l.strip()
        words = stripped_l.split()
        x.append(int(words[0]))
        y.append(int(words[1]))

随机数生成

伪随机数生成器（PRNG）

在Python中，随机数的生成是通过伪随机数生成器（PRNG）实现的。尽管这些数字并非真正的随机，但它们具有良好的随机性属性，适用于大多数需要随机性的场合。PRNG的一个关键优势是其可重复性，意味着相同的种子会产生相同的随机数序列。

import random
random.seed(12)
for i in range(100):
    print(random.randint(0,9), end=' ')

随机数的使用

本书提供了多个练习，通过编写代码来生成和处理随机数，包括计算平均值、标准差以及使用随机数进行蒙特卡洛模拟等。这些练习不仅加深了对随机数生成的理解，还锻炼了编程解决问题的能力。

import random
import math

def monte_carlo_pi(n):
    inside_circle = 0
    for _ in range(n):
        x, y = random.uniform(-1, 1), random.uniform(-1, 1)
        if x**2 + y**2 <= 1:
            inside_circle += 1
    return (inside_circle / n) * 4

pi_approximation = monte_carlo_pi(100000)
print(pi_approximation)