Генерация случайных целых чисел от 0 до 9


1340

Как я могу генерировать случайные целые числа от 0 до 9 (включительно) в Python?

Например, 0, 1, 2, 3, 4, 5, 6, 7, 8,9


16
Хороший стиль указывает на «случайное» поколение 0-9
ColinMac

Ответы:


2049

Пытаться:

from random import randrange
print(randrange(10))

Дополнительная информация: http://docs.python.org/library/random.html#random.randrange


79
Просто обратите внимание, это псевдослучайные числа, и они не являются криптографически безопасными. Не используйте это в любом случае, когда вы не хотите, чтобы злоумышленник угадал ваши цифры. Используйте secretsмодуль для лучшего случайных чисел. Ссылка: docs.python.org/3/library/random.html

468
import random
print(random.randint(0,9))

random.randint(a, b)

Вернуть случайное целое число N такое, что a <= N <= b.

Документы: https://docs.python.org/3.1/library/random.html#random.randint


1
В более новых версиях Python верхняя граница кажется исключительной (т.е. randint(0,9)никогда не вернет 9). Это не отражено в онлайн-документации, но во встроенной справке.
YLY

134

Попробуй это:

from random import randrange, uniform

# randrange gives you an integral value
irand = randrange(0, 10)

# uniform gives you a floating-point value
frand = uniform(0, 10)

81
from random import randint

x = [randint(0, 9) for p in range(0, 10)]

Это генерирует 10 псевдослучайных чисел в диапазоне от 0 до 9 включительно.


64

secretsМодуль нового в Python 3.6. Это лучше, чем randomмодуль для криптографии или безопасности.

Чтобы случайным образом вывести целое число в диапазоне от 0 до 9:

from secrets import randbelow
print(randbelow(10))

Подробнее см. PEP 506 .


3
Это улучшит ответ и должно быть добавлено. Ответы с большей безопасностью всегда следует добавлять, если они доступны.
SudoKid

31

Выберите размер массива (в этом примере я выбрал размер 20). А затем используйте следующее:

import numpy as np   
np.random.randint(10, size=(1, 20))

Вы можете ожидать увидеть вывод следующей формы ( разные случайные целые числа будут возвращаться каждый раз, когда вы его запускаете; следовательно, вы можете ожидать, что целые числа в выходном массиве будут отличаться от приведенного ниже примера ).

array([[1, 6, 1, 2, 8, 6, 3, 3, 2, 5, 6, 5, 0, 9, 5, 6, 4, 5, 9, 3]])

3
Также полезно знать, как Numpy может генерировать случайный массив заданного размера, а не только одно случайное число. (Документы: numpy.random.randint )
jkdev

28

Попробуйте это через random.shuffle

>>> import random
>>> nums = range(10)
>>> random.shuffle(nums)
>>> nums
[6, 3, 5, 4, 0, 1, 2, 9, 8, 7]

Это неправильный ответ, и его следует удалить.
Николя Жерве

22

Я бы попробовал одно из следующего:

1.> numpy.random.randint

import numpy as np
X1 = np.random.randint(low=0, high=10, size=(15,))

print (X1)
>>> array([3, 0, 9, 0, 5, 7, 6, 9, 6, 7, 9, 6, 6, 9, 8])

2.> numpy.random.uniform

import numpy as np
X2 = np.random.uniform(low=0, high=10, size=(15,)).astype(int)

print (X2)
>>> array([8, 3, 6, 9, 1, 0, 3, 6, 3, 3, 1, 2, 4, 0, 4])

3.> Случайный.

from random import randrange
X3 = [randrange(10) for i in range(15)]

print (X3)
>>> [2, 1, 4, 1, 2, 8, 8, 6, 4, 1, 0, 5, 8, 3, 5]

4.> random.randint

from random import randint
X4 = [randint(0, 9) for i in range(0, 15)]

print (X4)
>>> [6, 2, 6, 9, 5, 3, 2, 3, 3, 4, 4, 7, 4, 9, 6]

Скорость:

np.random.randint - самый быстрый , за ним следуют np.random.uniform и random.randrange . random.randint самый медленный .

► И np.random.randint, и np.random.uniform намного быстрее (~ 8 - 12 раз быстрее), чем random.randrange и random.randint .

%timeit np.random.randint(low=0, high=10, size=(15,))
>> 1.64 µs ± 7.83 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

%timeit np.random.uniform(low=0, high=10, size=(15,)).astype(int)
>> 2.15 µs ± 38.6 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

%timeit [randrange(10) for i in range(15)]
>> 12.9 µs ± 60.4 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

%timeit [randint(0, 9) for i in range(0, 15)]
>> 20 µs ± 386 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

Ноты:

1.> np.random.randint генерирует случайные целые числа в полуоткрытом интервале [low, high).

2.> np.random.uniform генерирует равномерно распределенные числа по полуоткрытому интервалу [low, high).

3.> random.randrange (стоп) генерирует случайное число из диапазона (начало, остановка, шаг).

4.> random.randint (a, b) возвращает случайное целое число N такое, что a <= N <= b.

5.> astype (int) преобразует массив numpy в тип данных int.

6.> Я выбрал размер = (15,). Это даст вам простой массив длины = 15.


Как %timeitработает в вашей среде?
Cadoiz

18

В случае непрерывных чисел randintили randrange, возможно, это лучший выбор, но если у вас есть несколько различных значений в последовательности (то есть a list), вы также можете использовать choice:

>>> import random
>>> values = list(range(10))
>>> random.choice(values)
5

choice также работает для одного элемента из не непрерывного образца:

>>> values = [1, 2, 3, 5, 7, 10]
>>> random.choice(values)
7

Если вам это нужно, «криптографически сильный», есть также secrets.choiceв Python 3.6 и новее:

>>> import secrets
>>> values = list(range(10))
>>> secrets.choice(values)
2

Что если нам нужно больше чисел из последовательности?
Gunjan

Если они должны быть без замены random.sample. С заменой вы можете использовать понимание choice: например, для списка, содержащего 3 случайных значения с заменой:[choice(values) for _ in range(3)]
MSeifert

18

Хотя во многих публикациях показано, как получить одно случайное целое число, в исходном вопросе спрашивается, как получить случайное целое число s (множественное число):

Как я могу генерировать случайные целые числа от 0 до 9 (включительно) в Python?

Для ясности здесь мы покажем, как получить несколько случайных целых чисел.

Данный

>>> import random


lo = 0
hi = 10
size = 5

Код

Несколько случайных целых чисел

# A
>>> [lo + int(random.random() * (hi - lo)) for _ in range(size)]
[5, 6, 1, 3, 0]

# B
>>> [random.randint(lo, hi) for _ in range(size)]
[9, 7, 0, 7, 3]

# C
>>> [random.randrange(lo, hi) for _ in range(size)]
[8, 3, 6, 8, 7]

# D
>>> lst = list(range(lo, hi))
>>> random.shuffle(lst)
>>> [lst[i] for i in range(size)]
[6, 8, 2, 5, 1]

# E
>>> [random.choice(range(lo, hi)) for _ in range(size)]
[2, 1, 6, 9, 5]

Образец случайных чисел

# F
>>> random.choices(range(lo, hi), k=size)
[3, 2, 0, 8, 2]

# G
>>> random.sample(range(lo, hi), k=size)
[4, 5, 1, 2, 3]

подробности

В некоторых публикациях показано, как генерировать несколько случайных целых чисел. 1 Вот несколько вариантов решения подразумеваемого вопроса:

  • A : random.randomвозвращает случайное смещение в диапазоне[0.0, 1.0)
  • B : random.randintвозвращает случайное целое число, Nтакое чтоa <= N <= b
  • C : random.randrangeпсевдоним дляrandint(a, b+1)
  • D : random.shuffleперемешивает последовательность на месте
  • Е : random.choiceвозвращает случайный элемент из непустой последовательности
  • F :random.choices возвращает kвыборки из популяции (с заменой, Python 3.6+)
  • G : random.sampleвозвращаетсяk уникальные выборки из популяции (без замены): 2

Смотрите также Р. Хеттингер доклад о чанкинге и алиасинге с использованием примеров из randomмодуля.

Вот сравнение некоторых случайных функций в стандартной библиотеке и Numpy:

| | random                | numpy.random                     |
|-|-----------------------|----------------------------------|
|A| random()              | random()                         |
|B| randint(low, high)    | randint(low, high)               |
|C| randrange(low, high)  | randint(low, high)               |
|D| shuffle(seq)          | shuffle(seq)                     |
|E| choice(seq)           | choice(seq)                      |
|F| choices(seq, k)       | choice(seq, size)                |
|G| sample(seq, k)        | choice(seq, size, replace=False) |

Вы также можете быстро конвертировать один из многих дистрибутивов в Numpy в образец случайных целых чисел. 3

Примеры

>>> np.random.normal(loc=5, scale=10, size=size).astype(int)
array([17, 10,  3,  1, 16])

>>> np.random.poisson(lam=1, size=size).astype(int)
array([1, 3, 0, 2, 0])

>>> np.random.lognormal(mean=0.0, sigma=1.0, size=size).astype(int)
array([1, 3, 1, 5, 1])

1 А именно, @John Lawrence Aspden, @ST Mohammed, @SiddTheKid, @ user14372, @zangw, et al. 2 @prashanth упоминает этот модуль, показывая одно целое число. 3 Демонстрируется @Siddharth Satpathy


14

если вы хотите использовать numpy, используйте следующее:

import numpy as np
print(np.random.randint(0,10))

1
Вы могли бы сказать что-нибудь о "Numpy".
Симон

11
Да. Спасибо за ссылку. Но я хотел сказать, что вы могли бы улучшить свой ответ, предоставив детали, прежде чем просто заключить в кавычки две строки кода; например, по какой причине кто-то предпочел бы использовать его вместо чего-то уже встроенного. Во всяком случае, вы не обязаны.
Симон

9
>>> import random
>>> random.randrange(10)
3
>>> random.randrange(10)
1

Чтобы получить список из десяти образцов:

>>> [random.randrange(10) for x in range(10)]
[9, 0, 4, 0, 5, 7, 4, 3, 6, 8]


6

random.sample это еще один, который может быть использован

import random
n = 1 # specify the no. of numbers
num = random.sample(range(10),  n)
num[0] # is the required number

6

Лучше всего использовать функцию импорта случайных

import random
print(random.sample(range(10), 10))

или без какого-либо импорта библиотеки:

n={} 
for i in range(10):
    n[i]=i

for p in range(10):
    print(n.popitem()[1])

здесь popitems удаляет и возвращает произвольное значение из словаря n.


3

Это скорее математический подход, но он работает 100% времени:

Допустим, вы хотите использовать random.random()функцию для генерации числа между aи b. Для этого просто сделайте следующее:

num = (b-a)*random.random() + a;

Конечно, вы можете генерировать больше чисел.


2

Со страницы документации для случайного модуля:

Предупреждение: псевдослучайные генераторы этого модуля не должны использоваться в целях безопасности. Используйте os.urandom () или SystemRandom, если вам требуется криптографически безопасный генератор псевдослучайных чисел.

random.SystemRandom , который был представлен в Python 2.4, считается криптографически безопасным . Он по-прежнему доступен в Python 3.7.1, который актуален на момент написания.

>>> import string
>>> string.digits
'0123456789'
>>> import random
>>> random.SystemRandom().choice(string.digits)
'8'
>>> random.SystemRandom().choice(string.digits)
'1'
>>> random.SystemRandom().choice(string.digits)
'8'
>>> random.SystemRandom().choice(string.digits)
'5'

Вместо string.digits, rangeможет быть использован для некоторых других ответов вместе, возможно, с пониманием. Смешивать и сочетать в соответствии с вашими потребностями.


0

OpenTURNS позволяет не только моделировать случайные целые числа, но также определять связанное распределение с UserDefined определенным классом.

Следующее моделирует 12 результатов распределения.

import openturns as ot
points = [[i] for i in range(10)]
distribution = ot.UserDefined(points) # By default, with equal weights.
for i in range(12):
    x = distribution.getRealization()
    print(i,x)

Это печатает:

0 [8]
1 [7]
2 [4]
3 [7]
4 [3]
5 [3]
6 [2]
7 [9]
8 [0]
9 [5]
10 [9]
11 [6]

Скобки там, потому что xэто Pointв 1-мерном. Было бы проще сгенерировать 12 результатов за один вызов getSample:

sample = distribution.getSample(12)

будет производить:

>>> print(sample)
     [ v0 ]
 0 : [ 3  ]
 1 : [ 9  ]
 2 : [ 6  ]
 3 : [ 3  ]
 4 : [ 2  ]
 5 : [ 6  ]
 6 : [ 9  ]
 7 : [ 5  ]
 8 : [ 9  ]
 9 : [ 5  ]
10 : [ 3  ]
11 : [ 2  ]

Более подробная информация по этой теме находится здесь: http://openturns.github.io/openturns/master/user_manual/_generated/openturns.UserDefined.html


-1

Мне повезло больше с Python 3.6

str_Key = ""                                                                                                
str_RandomKey = ""                                                                                          
for int_I in range(128):                                                                                    
      str_Key = random.choice('0123456789')
      str_RandomKey = str_RandomKey + str_Key 

Просто добавьте такие символы, как «ABCD» и «abcd» или «^! ~ = -> <», чтобы изменить пул символов для извлечения, измените диапазон, чтобы изменить количество генерируемых символов.

Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.