random是用于生成隨機(jī)數(shù)的，我們可以利用它隨機(jī)生成數(shù)字或者選擇字符串。

?random.seed(x)改變隨機(jī)數(shù)生成器的種子seed。

一般不必特別去設(shè)定seed，Python會(huì)自動(dòng)選擇seed。

?random.random()??? 用于生成一個(gè)隨機(jī)浮點(diǎn)數(shù)n,0 <= n < 1

?random.uniform(a,b)??? 用于生成一個(gè)指定范圍內(nèi)的隨機(jī)浮點(diǎn)數(shù)，生成的隨機(jī)整數(shù)a<=n<=b;

?random.randint(a,b)??? 用于生成一個(gè)指定范圍內(nèi)的整數(shù)，a為下限，b為上限，生成的隨機(jī)整數(shù)a<=n<=b;若a=b，則n=a；若a>b，報(bào)錯(cuò)

?random.randrange([start], stop [,step])??? 從指定范圍[start,stop)內(nèi)，按指定基數(shù)遞增的集合中獲取一個(gè)隨機(jī)數(shù)，基數(shù)缺省值為1

?random.choice(sequence)??? 從序列中獲取一個(gè)隨機(jī)元素，參數(shù)sequence表示一個(gè)有序類型，并不是一種特定類型，泛指list，tuple，字符串等

?random.shuffle(x[,random])??? 用于將一個(gè)列表中的元素打亂 （洗牌），會(huì)改變?cè)剂斜?

?random.sample(sequence,k)??? 從指定序列中隨機(jī)獲取k個(gè)元素作為一個(gè)片段返回，不會(huì)改變?cè)行蛄?

那么現(xiàn)在基礎(chǔ)知識(shí)有了，我們來(lái)實(shí)現(xiàn)一個(gè)加權(quán)隨機(jī)算法：

加權(quán)隨機(jī)算法一般應(yīng)用在以下場(chǎng)景：有一個(gè)集合S，里面比如有A,B,C,D這四項(xiàng)。這時(shí)我們想隨機(jī)從中抽取一項(xiàng)，但是抽取的概率不同，比如我們希望抽到A的概率是50%,抽到B和C的概率是20%,D的概率是10%。一般來(lái)說(shuō)，我們可以給各項(xiàng)附一個(gè)權(quán)重，抽取的概率正比于這個(gè)權(quán)重。那么上述集合就成了：

{A:5，B:2，C:2，D:1}

方法一：

最簡(jiǎn)單的方法可以這樣：

把序列按權(quán)重值擴(kuò)展成:lists=[A,A,A,A,A,B,B,C,C,D],然后random.choice(lists)隨機(jī)選一個(gè)就行。雖然這樣選取的時(shí)間復(fù)雜度是O(1)，但是數(shù)據(jù)量一大，空間消耗就太大了。

            
# coding:utf-8
import random


def weight_choice(list, weight):
  """
  :param list: 待選取序列
  :param weight: list對(duì)應(yīng)的權(quán)重序列
  :return:選取的值
  """
  new_list = []
  for i, val in enumerate(list):
    new_list.extend(val * weight[i])
  return random.choice(new_list)


if __name__ == "__main__":
  print(weight_choice(['A', 'B', 'C', 'D'], [5, 2, 2, 1]))
          

方法二：

比較常用的方法是這樣：

計(jì)算權(quán)重總和sum，然后在1到sum之間隨機(jī)選擇一個(gè)數(shù)R，之后遍歷整個(gè)集合，統(tǒng)計(jì)遍歷的項(xiàng)的權(quán)重之和，如果大于等于R，就停止遍歷，選擇遇到的項(xiàng)。

還是以上面的集合為例，sum等于10，如果隨機(jī)到1-5，則會(huì)在遍歷第一個(gè)數(shù)字的時(shí)候就退出遍歷。符合所選取的概率。

選取的時(shí)候要遍歷集合，它的時(shí)間復(fù)雜度是O（n）。

            
# coding:utf-8
import random

list = ['A', 'B', 'C', 'D']


def weight_choice(weight):
  """
  :param weight: list對(duì)應(yīng)的權(quán)重序列
  :return:選取的值在原列表里的索引
  """
  t = random.randint(0, sum(weight) - 1)
  for i, val in enumerate(weight):
    t -= val
    if t < 0:
      return i


if __name__ == "__main__":
  print(list[weight_choice([5, 2, 2, 1])])
          

方法三：

可以先對(duì)原始序列按照權(quán)重排序。這樣遍歷的時(shí)候，概率高的項(xiàng)可以很快遇到，減少遍歷的項(xiàng)。（因?yàn)閞nd遞減的速度最快(先減去最大的數(shù))）

比較{A:5，B:2，C:2，D:1}和{B:2，C:2，A:5，D:1}

前者遍歷步數(shù)的期望是5/10*1+2/10*2+2/10*3+1/10*4=19/10而后者是2/10*1+2/10*2+5/10*3+1/10*4=25/10。

這樣提高了平均選取速度，但是原序列排序也需要時(shí)間。

先搞一個(gè)權(quán)重值的前綴和序列，然后在生成一個(gè)隨機(jī)數(shù)t后，可以用二分法來(lái)從這個(gè)前綴和序列里找，那么選取的時(shí)間復(fù)雜度就是O(logn)了。

?

            
# coding:utf-8
import random
import bisect

list = ['A', 'B', 'C', 'D']


def weight_choice(weight):
  """
  :param weight: list對(duì)應(yīng)的權(quán)重序列
  :return:選取的值在原列表里的索引
  """
  weight_sum = []
  sum = 0
  for a in weight:
    sum += a
    weight_sum.append(sum)
  t = random.randint(0, sum - 1)
  return bisect.bisect_right(weight_sum, t)


if __name__ == "__main__":
  print(list[weight_choice([5, 2, 2, 1])])
          

以上這篇python的random模塊及加權(quán)隨機(jī)算法的python實(shí)現(xiàn)方法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。