對(duì)python產(chǎn)生隨機(jī)的二維數(shù)組實(shí)例詳解
最近找遍了python的各個(gè)函數(shù)發(fā)現(xiàn)無(wú)法直接生成隨機(jī)的二維數(shù)組,其中包括random()相關(guān)的各種方法,都沒有得到想要的結(jié)果。最后在一篇博客中受到啟發(fā),通過(guò)列表解析的方法得到隨機(jī)的二維數(shù)組。
具體如下:
a = [[random.randint(1, 4) for j in range(1, 3)] for i in range(1, 11)] print(array(a))
其中random.randint(1, 4)用來(lái)產(chǎn)生一個(gè)隨機(jī)整數(shù)。此時(shí)創(chuàng)建了一個(gè)10行2列的數(shù)組。
[[1 3] [1 2] [3 1] [1 2] [1 2] [3 3] [3 1] [1 3] [1 2] [3 3]]
然后對(duì)random()中的各種方法做一個(gè)總結(jié),具體如下:
1、choice()
從序列中獲取一個(gè)隨機(jī)元素
random.choice(['a','b','c'])
結(jié)果為‘b'
2、randint()
用于生成一個(gè)指定范圍內(nèi)的整數(shù),能取到邊界的值
random.randint(1, 2)
結(jié)果為‘1'
3、random()
用于生成一個(gè)0到1的隨機(jī)符點(diǎn)數(shù): 0 <= n < 1.0
random.random()
結(jié)果為‘0.29892210378218154'
4、randrange()
從序列中獲取一個(gè)隨機(jī)數(shù)
random.randrange(10,100,2)
結(jié)果為‘68'
此時(shí)如果出現(xiàn)'module ‘numpy.random' has no attribute ‘randrange'
記得在開頭加上import random
5、sample()
從指定序列中隨機(jī)獲取指定長(zhǎng)度的片斷,不改變?cè)瓉?lái)序列順序
list2 = [i**2 for i in range(0, 10)] print(random.sample(list2, 3))
結(jié)果為‘[16, 9, 4]'
再看看list2有沒有改變
結(jié)果為‘[0, 1, 4, 9, 16, 25, 36, 49, 64, 81] '
沒有改變,所以sample函數(shù)不會(huì)修改原有序列
6、shuffle()
將一個(gè)列表中的元素打亂
list1 = [1,2,3,4,5,6] random.shuffle(list1) print(list1)
結(jié)果為‘[5, 3, 2, 1, 4, 6]'
7、uniform()
用于生成一個(gè)指定范圍內(nèi)的隨機(jī)符點(diǎn)數(shù)
a=random.uniform(2,3)
結(jié)果為‘2.046090433068011'
以上這篇對(duì)python產(chǎn)生隨機(jī)的二維數(shù)組實(shí)例詳解就是小編分享給大家的全部?jī)?nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。
相關(guān)文章
python如何用matplotlib創(chuàng)建三維圖表
這篇文章主要介紹了python如何在matplotlib中創(chuàng)建三維圖表,幫助大家更好的利用python進(jìn)行數(shù)據(jù)分析,感興趣的朋友可以了解下2021-01-01
使用python批量轉(zhuǎn)換文件編碼為UTF-8的實(shí)現(xiàn)
這篇文章主要介紹了使用python批量轉(zhuǎn)換文件編碼為UTF-8的實(shí)現(xiàn),文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-04-04
Django中使用ModelForm生成HTML標(biāo)簽的方法步驟
在 Django 中,使用 ModelForm 來(lái)生成 HTML 表單標(biāo)簽是一種常見且高效的做法,本文主要介紹了Django中使用ModelForm生成HTML標(biāo)簽的方法步驟,感興趣的可以了解一下2024-01-01
Python通過(guò)TensorFlow卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)貓狗識(shí)別
今天小編就為大家分享一篇關(guān)于Python通過(guò)TensorFlow卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)貓狗識(shí)別,小編覺得內(nèi)容挺不錯(cuò)的,現(xiàn)在分享給大家,具有很好的參考價(jià)值,需要的朋友一起跟隨小編來(lái)看看吧2019-03-03

