Python math库和random库

1、math库

 1 >>> from math import *
 2 >>> 2*pi
 3 6.283185307179586
 4 >>> e
 5 2.718281828459045
 6 >>> ceil(2.3)
 7 3
 8 >>> floor(2.3)
 9 2
10 >>> pow(2,3)
11 8.0
12 >>> log(e)
13 1.0
14 >>> log10(100)
15 2.0
16 >>> sqrt(16)
17 4.0

 1 >>> from math import *
 2 >>> exp(2)
 3 7.38905609893065
 4 >>> e**2
 5 7.3890560989306495
 6 >>> degrees(pi)
 7 180.0
 8 >>> radians(120)
 9 2.0943951023931953
10 >>> sin(pi/2)
11 1.0
12 >>> cos(pi/3)
13 0.5000000000000001
14 >>> tan(pi/4)
15 0.9999999999999999
16 >>> atan(1)
17 0.7853981633974483
18 >>> asin(1)
19 1.5707963267948966
20 >>> acos(1)
21 0.0

2、random库

 1 from random import *
 2 >>> random()
 3 0.6606648937887478
 4 >>> uniform(1,10)
 5 8.316837423419921
 6 >>> randint(1,10)
 7 5
 8 >>> randrange(0,10,2)
 9 4
10 >>> randrange(0,10,2)
11 8
12 >>> randrange(0,10,2)
13 6
14 >>> randrange(0,10,2)
15 0
16 >>> ra=[0,1,2,3,4,5,6,7,8,9]
17 >>> choice(ra)
18 1
19 >>> shuffle(ra)
20 >>> ra
21 [0, 2, 3, 9, 7, 8, 5, 6, 1, 4]
22 >>> sample(ra,4)
23 [1, 8, 5, 9]

3、随机种子

 1 >>> seed(10)
 2 >>> random()
 3 0.5714025946899135
 4 >>> random()
 5 0.4288890546751146
 6 >>> random()
 7 0.5780913011344704
 8 >>> seed(1)
 9 >>> random()
10 0.13436424411240122
11 >>> random()
12 0.8474337369372327
13 >>> seed(10)
14 >>> random()
15 0.5714025946899135
16 >>> random()
17 0.4288890546751146
18 >>> random()
19 0.5780913011344704

可以看出,通过随机种子生成的是伪随机数。

4、蒙特卡洛(Monte Carlo)方法

又称随机抽样或统计试验方法。当所求解问题是某种事件出现的概率,或某随机变量期望值时,可以通过某种“试验”的方法求解。简单说,蒙特卡洛是利用随机试验求解问题的方法。

π计算问题的IPO表示如下:

输入:抛点的数量

处理:对于每个抛洒点,计算点到圆心的距离,通过距离判断该点在圆内或是圆外。统计在圆内点的数量

输出:π值

 1 from math import sqrt
 2 from random import random
 3 from time import clock #时间库
 4
 5 Darts=150000  #投掷次数
 6 hits=0 #击中次数
 7 clock()
 8 for i in range(Darts):
 9     x,y=random(),random()  #同步赋值
10     if sqrt((x**2+y**2))<=1:
11         hits=hits+1
12 pai=4*hits/Darts
13 print("Pi的值是:%f"%pai)
14 print("程序运行时间%s s"%clock())

时间: 2024-02-19 23:33:18

Python math库和random库的相关文章

2-1:math库与random库

一.math库: math库是python语言中常用的一个函数库,它包含了一批数学函数,下面我们看一下这个函数库 由于math库中的函数与数学中的函数比较一致,相对比较简单,请同学们自行练习一下: 二.random库 random库也是python语言中常用的一个函数库,它包含了一批随机函数,随机函数用来生成随机数,随机数指随机生成的数据. 随机数库及其使用: from random import * print(random()) #生成一个0到1之间的小数 print(uniform(1,1

python基础知识进阶(四) Python语言的math库和random库和实例

元组和列表 写的 过程中没保存,下次补上吧.好尴尬,手好残. 计算机是一个确定性设备,不能产生真正的随机数.(使用seed函数,两次的值都是一样的) 由计算机产生的随机数,都是一个由种子产生的伪随机数列.相同的随机种子会产生相同的伪随机数列. π的计算 圆周率π是一个无理数,没有任何一个精确公式能够计算π值,π的计算只能采用近似算法. 国际公认的π值计算采用蒙特卡洛方法. 简单说,蒙特卡洛是利用随机试验求解问题的方法. π计算问题的ipo表示如下: 输入:抛点的数量 处理:对于每个抛洒点,计算点

模块: random库的使用

random库概述 random库是使用随机数的Python标准库-伪随机数: 采用梅森旋转算法生成的(伪)随机序列中元素-random库主要用于生成随机数-使用random库: import random random库包括两类函数,常用共8个-基本随机数函数:seed(),random()-扩展随机数函数:randint(), getrandbits(), uniform(),randrange(), choice(), shuffle() 基本随机数函数 >>>import ran

Python标准库12 数学与随机数 (math包,random包)

作者:Vamei 出处:http://www.cnblogs.com/vamei 欢迎转载,也请保留这段声明.谢谢! 我们已经在Python运算中看到Python最基本的数学运算功能.此外,math包补充了更多的函数.当然,如果想要更加高级的数学功能,可以考虑选择标准库之外的numpy和scipy项目,它们不但支持数组和矩阵运算,还有丰富的数学和物理方程可供使用. 此外,random包可以用来生成随机数.随机数不仅可以用于数学用途,还经常被嵌入到算法中,用以提高算法效率,并提高程序的安全性. m

python之random库的使用以及程序的异常处理

1.random库的使用: random库是使用随机数的Python标准库从概率论角度来说,随机数是随机产生的数据(比如抛硬币),但时计算机是不可能产生随机值,真正的随机数也是在特定条件下产生的确定值,只不过这些条件我们没有理解,或者超出了我们的理解范围.计算机不能产生真正的随机数,那么伪随机数也就被称为随机数--伪随机数:计算机中通过采用梅森旋转算法生成的(伪)随机序列元素python中用于生成伪随机数的函数库是random因为是标准库,使用时候只需要import random random库

python标准库学习-random

想想这么多年,也是没有好好梳理一下自己的知识体系,以至于总是会有书到用时方恨少的遗憾. 最近既然有学习的动力,干脆就趁着这份工作不是特别忙的机会,写一点东西吧,也理理自己的逻辑思维能力. python有哪些库? 这个问题呢可以参照http://blog.csdn.net/python_wangjunji/article/details/8689297这篇博文来看. 当然咯,首先要先推荐一个可厉害的学习程序:Dash.学编程必备查询库,各种语言,专治"我要看源码病". 那第一篇呢,我就先

Python标准库、第三方库和外部工具汇总

导读:Python数据工具箱涵盖从数据源到数据可视化的完整流程中涉及到的常用库.函数和外部工具.其中既有Python内置函数和标准库,又有第三方库和工具. 这些库可用于文件读写.网络抓取和解析.数据连接.数清洗转换.数据计算和统计分析.图像和视频处理.音频处理.数据挖掘/机器学习/深度学习.数据可视化.交互学习和集成开发以及其他Python协同数据工作工具. 为了区分不同对象的来源和类型,本文将在描述中通过以下方法进行标识: Python内置函数:Python自带的内置函数.函数无需导入,直接使

Python 标准库、第三方库

Python数据工具箱涵盖从数据源到数据可视化的完整流程中涉及到的常用库.函数和外部工具.其中既有Python内置函数和标准库,又有第三方库和工具.这些库可用于文件读写.网络抓取和解析.数据连接.数清洗转换.数据计算和统计分析.图像和视频处理.音频处理.数据挖掘/机器学习/深度学习.数据可视化.交互学习和集成开发以及其他Python协同数据工作工具. 为了区分不同对象的来源和类型,本节将在描述中通过以下方法进行标识: [Python内置函数]:Python自带的内置函数.函数无需导入,直接使用.

python—各种常用函数及库

列表list1.append(x)         将x添加到列表末尾 list1.sort()                对列表元素排序 list1.reverse()            将列表元素逆序 list1.index(x)             返回第一次出现元素x的索引值 list1.insert(i,x)            在位置i处插入新元素x list1.count(x)                返回元素x在列表中的数量 list1.remove(x)