Question

在随机模块的python中，random.uniform()和random.random()之间有什么区别？它们都生成伪随机数，random.uniform()从均匀分布生成数字，random.random()生成下一个随机数。有什么不同？

Answer 1

random.random()为您提供[0.0, 1.0)范围内的随机浮点数（包括0.0，但不包括1.0，也称为半开放范围）。 random.uniform(a, b)为您提供[a, b]范围内的随机浮点数（其中舍入可能最终为您提供b）。

implementation of random.uniform()直接使用random.random()：

def uniform(self, a, b):
    "Get a random number in the range [a, b) or [a, b] depending on rounding."
    return a + (b-a) * self.random()

random.uniform(0, 1)与random.random()基本相同（因为1.0次离1.0 最近的浮点值仍会给你浮动值最接近1.0 ，那里不可能出现舍入误差。

Answer 2

在 random.random（）中，输出介于0和0之间。 1，它不需要输入参数

然后 random.uniform（）接受参数，其中您可以提交随机数的范围。例如
import random as ra print ra.random() print ra.uniform(5,10)

输出： -
0.672485369423 7.9237539416

Answer 3

不同之处在于论点。从[0.0,1.0]范围内的均匀分布生成随机数非常常见，因此random.random()就是这样做的。使用random.uniform(a, b)指定不同的范围。

Answer 4

根据random.uniform上的文件：

返回随机浮点数N，使得＆lt; = N＆lt; = b，a＆lt; = b，b＆lt; = N＆lt; = a，b <＆lt;一个。

while random.random：

返回[0.0,1.0）范围内的下一个随机浮点数。

即。使用random.uniform指定从中绘制伪随机数的范围，例如使用random.random得到0到1之间的数字。

Answer 5

除了上面提到的以外，.uniform()还可以用于生成多个随机数，这些随机数也具有所需的形状，而.random()则无法实现

np.random.seed(99)
np.random.random()

#generates 0.6722785586307918

同时输入以下代码

np.random.seed(99)
np.random.uniform(0.0, 1.0, size = (5,2))

#generates this 
array([[0.67227856, 0.4880784 ],
       [0.82549517, 0.03144639],
       [0.80804996, 0.56561742],
       [0.2976225 , 0.04669572],
       [0.9906274 , 0.00682573]])

这不能用random（...）完成，并且如果您要为ML相关事物生成随机数（...），大多数情况下，您最终会使用{{1 }}

在python中，random.uniform（）和random.random（）有什么区别？

5 个答案: