Python随机（random）模块的不可预测之美

　　1。概念1。1真、伪随机数
　　大部分的计算机语言都会提供API生成随机数，此类API称为随机数生成器。
　　计算机可以用随机数模拟现实世界中的各种随机概率问题，没有随机生成器的编程语言不是好语言。什么是真随机数？
　　现实世界中的随机数：比如掷钱币、骰子、转轮、使用电子元件的噪音、核裂变等等。
　　计算机通过硬件技术摸拟现实世界中这种物理现象所生成的随机数，我们称其为真随机数。这样的随机数生成器叫做物理性随机数生成器。生成真随机数对计算机的硬件技术要求较高。
　　真正随机数的特点：不可预测。
　　如在掷硬币时，你无法真正预测到下一次硬币的面向。什么是伪随机数？
　　由算法摸拟生成的随机数称其为伪随机数。计算机编程语言中所生成的随机数基本上都是伪随机数。
　　伪随机数的特点：既然是由算法模拟的，虽然在一个较短的周期内是无法预测的，在一个较长的周期内的随机数具有可预测性。1。2随机数种子
　　生成伪随机数时，需要设置随机种子，种子作用就是在随机数的生成算法里注入一个动态变化量。
　　比如说使用系统的当前时间做随机种子，随机算法就可以在时间变化的基础上生成随机性更大的随机数。但是，如果不是在毫秒级别下生成随机数，同一时间点下所生成的大量随机数就有可能出现相等的情况。
　　选择种子时，可以考虑综合多维度的变化值进行运算。如在UNIX系统中，将系统时间、连入WIFI、甚至按下的键盘次数都量化为了seed。参考指标越多，伪随机数就越接近真正的随机生成。2。Pythonrandom模块
　　random模块实现了各种分布的伪随机数生成器。因为完全确定性，它不适用于所有目的，并且完全不适合加密目的。不应将此模块的伪随机生成器用于安全目的。有关安全性或加密用途，可使用Python中的secrets模块。
　　使得之前需要导入random模块importrandom2。1随机模块的方法初始化随机种子random。seed（aNone，version2）如果a被省略或为None，则使用当前系统时间做随机种子。如果操作系统提供随机源，则使用它们而不是系统时间。如果a是int类型，则直接使用。当设置随机种子是一个常量，则每一次随机数是固定的。importrandom设置随机种子是一个int常量random。seed（10）print（random。random（））设置随机种子是一个int常量random。seed（10）print（random。random（））设置随机种子是一个int常量random。seed（10）print（random。random（））输出结果：0。57140259468991350。57140259468991350。5714025946899135从一个数字范围内产生随机数字random。randrange（start，stop〔，step〕）
　　从range（start，stop，step）返回一个随机选择的元素。
　　这相当于choice（range（start，stop，step）），但实际上并没有构建一个range对象。返回随机整数random。randint（a，b）
　　相当于randrange（a，b1）
　　结果N满足：aNb从非空序列seq返回一个随机元素。如果seq为空，则引发IndexError异常。random。choice（seq）importrandomlst〔5，3，90，12，4，6〕rrandom。choice（lst）print（r）
　　每一次运行会从列表中随机获得一个数字。将序列x随机打乱andom。shuffle（x〔，random〕）
　　可选参数random是一个无参数函数，在〔0。0，1。0）中返回随机浮点数；默认情况下，这是函数random（）importrandomlst〔5。0，3。0，90。0，12。0，4。0，6。0〕使用random。random函数random。shuffle（lst，random。random）print（lst）输出结果〔3。0，90。0，6。0，12。0，5。0，4。0〕defmyrandom（）：returnfloat（random。randint（0，1））lst〔5。0，3。0，90。0，12。0，4。0，6。0〕使用用户自定义函数random。shuffle（lst，myrandom）print（lst）返回从总体序列或集合中选择的唯一元素的k长度列表。用于无重复的随机抽样。random。sample（population，k，，countsNone）返回〔0。0，1。0）范围内的下一个随机浮点数。random。random（）返回一个随机浮点数Nrandom。uniform（a，b）
　　取决于等式a（ba）random（）中的浮点舍入，终点b可以包括或不包括在该范围内。
　　结果N满足：当ab时aNb，当ba时bNa。
　　更多方法可查阅官方文档。3。不可预测之美
　　3。1随机彩色点
　　解题思路：可结合turtle模块绘制，随机小海龟出现的位置就可以了importrandomimportturtlecolors〔red，blue，green，gray，orange〕foriinrange（100）：turtle。penup（）xrandom。randint（300，300）yrandom。randint（300，300）turtle。goto（x，y）turtle。pendown（）turtle。dot（20，colors〔i5〕）turtle。done（）3。2求的值
　　概率法又称为蒙特卡罗法，是一种非常重要的数值计算方法。
　　该方法是以概率和统计理论方法为基础的一种计算方法。将所求解的问题同一定的概率模型相联系，用计算机实现统计模拟或抽样，以获得问题的近似解。
　　假设有一个半径为1的圆，如图所示，则图中阴影部分（14圆）的面积就等于值的14。通过概率法计算出阴影部分的面积，也就得到了值的14，将阴影部分面积乘以4即可得到的近似值。
　　求解思路利用随机函数产生横坐标的值x和纵坐标的值y（这两个值都应在01）判断由这两个随机数构成的点是否位于14圆的区域内（阴影部分），若该点位于阴影区域内则进行计数。不断产生新的点，由于随机函数生成的点坐标有一定的均匀性，当生成的点足够多时，就可得到阴影内和阴影外点的近似均匀分布。最后用在阴影内的点的数量除以总的点数，即可得到近似的阴影面积，也就得到了一个的14的近似值。importrandomi，n，s0，0，0x，y0。0，0。0nint（input（输入点的数量：））random。seed（）foriinrange（n）：xrandom。random（）yrandom。random（）if（xxyy）1：s1print（PIf，4sn）
　　输出结果：输入点的数量：9000000PI3。141477777777778
　　输入的点数量越多，得到的PI的近似值就会越精确。4。总结
　　随机数可以完美地模拟真实世界里的各种概率或随机事件。python的随机数生成除了可以使用random模块外，还可以使用numpy库中所提供的方法。