Gere números inteiros aleatórios entre 0 e 9


1338

Como posso gerar números inteiros aleatórios entre 0 e 9 (inclusive) em Python?

Por exemplo, 0, 1, 2, 3, 4, 5, 6, 7, 8,9


16
Pontos de estilo agradável na geração "aleatória" de 0-9
ColinMac 13/01

Respostas:



466
import random
print(random.randint(0,9))

random.randint(a, b)

Retorne um número inteiro aleatório N tal que a <= N <= b.

Documentos: https://docs.python.org/3.1/library/random.html#random.randint


1
Nas versões mais recentes do Python, o limite superior parece exclusivo (ou seja randint(0,9), nunca retornará 9). Isso não se reflete na documentação online, mas está na ajuda interna.
Yly

134

Tente o seguinte:

from random import randrange, uniform

# randrange gives you an integral value
irand = randrange(0, 10)

# uniform gives you a floating-point value
frand = uniform(0, 10)

81
from random import randint

x = [randint(0, 9) for p in range(0, 10)]

Isso gera 10 números inteiros pseudo-aleatórios no intervalo de 0 a 9, inclusive.


64

O secretsmódulo é novo no Python 3.6. Isso é melhor que o randommódulo para criptografia ou segurança.

Para imprimir aleatoriamente um número inteiro no intervalo inclusivo de 0 a 9:

from secrets import randbelow
print(randbelow(10))

Para detalhes, consulte PEP 506 .


3
Isso melhoraria a resposta e deveria ser adicionado. As respostas mais voltadas para a segurança sempre devem ser adicionadas, se disponíveis.
SudoKid 07/02

31

Escolha o tamanho da matriz (neste exemplo, eu escolhi o tamanho para 20). E então, use o seguinte:

import numpy as np   
np.random.randint(10, size=(1, 20))

Você pode esperar ver uma saída do seguinte formato ( números inteiros aleatórios diferentes serão retornados toda vez que você a executar; portanto, você pode esperar que os números inteiros na matriz de saída sejam diferentes do exemplo dado abaixo ).

array([[1, 6, 1, 2, 8, 6, 3, 3, 2, 5, 6, 5, 0, 9, 5, 6, 4, 5, 9, 3]])

3
Também é útil saber como o Numpy pode gerar uma matriz aleatória de tamanho especificado, não apenas um único número aleatório. (Docs: numpy.random.randint )
jkdev 25/06

28

Tente isso através random.shuffle

>>> import random
>>> nums = range(10)
>>> random.shuffle(nums)
>>> nums
[6, 3, 5, 4, 0, 1, 2, 9, 8, 7]

Esta não é uma resposta correta e deve ser excluída.
Nicolas Gervais

22

Eu tentaria um dos seguintes:

1.> numpy.random.randint

import numpy as np
X1 = np.random.randint(low=0, high=10, size=(15,))

print (X1)
>>> array([3, 0, 9, 0, 5, 7, 6, 9, 6, 7, 9, 6, 6, 9, 8])

2.> numpy.random.uniform

import numpy as np
X2 = np.random.uniform(low=0, high=10, size=(15,)).astype(int)

print (X2)
>>> array([8, 3, 6, 9, 1, 0, 3, 6, 3, 3, 1, 2, 4, 0, 4])

3.> random.randrange

from random import randrange
X3 = [randrange(10) for i in range(15)]

print (X3)
>>> [2, 1, 4, 1, 2, 8, 8, 6, 4, 1, 0, 5, 8, 3, 5]

4.> random.randint

from random import randint
X4 = [randint(0, 9) for i in range(0, 15)]

print (X4)
>>> [6, 2, 6, 9, 5, 3, 2, 3, 3, 4, 4, 7, 4, 9, 6]

Rapidez:

np.random.randint é o mais rápido , seguido por np.random.uniform e random.randrange . random.randint é o mais lento .

► O np.random.randint e o np.random.uniform são muito mais rápidos (~ 8 a 12 vezes mais rápidos) do que random.randrange e random.randint .

%timeit np.random.randint(low=0, high=10, size=(15,))
>> 1.64 µs ± 7.83 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

%timeit np.random.uniform(low=0, high=10, size=(15,)).astype(int)
>> 2.15 µs ± 38.6 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

%timeit [randrange(10) for i in range(15)]
>> 12.9 µs ± 60.4 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

%timeit [randint(0, 9) for i in range(0, 15)]
>> 20 µs ± 386 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

Notas:

1.> np.random.randint gera números inteiros aleatórios no intervalo semiaberto [baixo, alto).

2.> np.random.uniform gera números uniformemente distribuídos no intervalo semiaberto [baixo, alto).

3.> random.randrange (stop) gera um número aleatório a partir do intervalo (start, stop, step).

4.> random.randint (a, b) retorna um número inteiro aleatório N tal que a <= N <= b.

5.> astype (int) lança a matriz numpy no tipo de dados int.

6.> Eu escolhi size = (15,). Isso fornecerá uma matriz numpy de comprimento = 15.


Como %timeitfunciona no seu ambiente?
Cadoiz

18

No caso de números contínuos randintou randrangeprovavelmente as melhores opções, mas se você tiver vários valores distintos em uma sequência (ou seja, a list), também poderá usar choice:

>>> import random
>>> values = list(range(10))
>>> random.choice(values)
5

choice também funciona para um item de uma amostra não contínua:

>>> values = [1, 2, 3, 5, 7, 10]
>>> random.choice(values)
7

Se você precisar "criptograficamente forte", também existe um secrets.choiceno python 3.6 e mais recente:

>>> import secrets
>>> values = list(range(10))
>>> secrets.choice(values)
2

E se quisermos mais números da sequência?
Gunjan naik

Se eles devem ser sem substituição: random.sample. Com a substituição, você pode usar uma compreensão com choice: por exemplo, uma lista contendo 3 valores aleatórios com substituição:[choice(values) for _ in range(3)]
MSeifert 3/17/17

18

Enquanto muitas postagens demonstram como obter um número inteiro aleatório, a pergunta original pergunta como gerar um número inteiro aleatório s (plural):

Como posso gerar números inteiros aleatórios entre 0 e 9 (inclusive) em Python?

Para maior clareza, aqui demonstramos como obter vários números aleatórios.

Dado

>>> import random


lo = 0
hi = 10
size = 5

Código

Múltiplos Inteiros Aleatórios

# A
>>> [lo + int(random.random() * (hi - lo)) for _ in range(size)]
[5, 6, 1, 3, 0]

# B
>>> [random.randint(lo, hi) for _ in range(size)]
[9, 7, 0, 7, 3]

# C
>>> [random.randrange(lo, hi) for _ in range(size)]
[8, 3, 6, 8, 7]

# D
>>> lst = list(range(lo, hi))
>>> random.shuffle(lst)
>>> [lst[i] for i in range(size)]
[6, 8, 2, 5, 1]

# E
>>> [random.choice(range(lo, hi)) for _ in range(size)]
[2, 1, 6, 9, 5]

Amostra de Inteiros Aleatórios

# F
>>> random.choices(range(lo, hi), k=size)
[3, 2, 0, 8, 2]

# G
>>> random.sample(range(lo, hi), k=size)
[4, 5, 1, 2, 3]

Detalhes

Algumas postagens demonstram como gerar nativamente vários números aleatórios. 1 Aqui estão algumas opções que abordam a questão implícita:

  • A : random.randomretorna um flutuador aleatório no intervalo[0.0, 1.0)
  • B : random.randintretorna um número inteiro aleatório Ntal quea <= N <= b
  • C : random.randrangealias pararandint(a, b+1)
  • D : random.shuffleembaralha uma sequência no lugar
  • E : random.choiceretorna um elemento aleatório da sequência não vazia
  • F : random.choicesretorna kseleções de uma população (com substituição, Python 3.6+)
  • G : random.sampleretorna kseleções únicas de uma população (sem substituição): 2

Veja também a palestra de R. Hettinger sobre Chunking e Aliasing usando exemplos do randommódulo.

Aqui está uma comparação de algumas funções aleatórias na Biblioteca Padrão e Numpy:

| | random                | numpy.random                     |
|-|-----------------------|----------------------------------|
|A| random()              | random()                         |
|B| randint(low, high)    | randint(low, high)               |
|C| randrange(low, high)  | randint(low, high)               |
|D| shuffle(seq)          | shuffle(seq)                     |
|E| choice(seq)           | choice(seq)                      |
|F| choices(seq, k)       | choice(seq, size)                |
|G| sample(seq, k)        | choice(seq, size, replace=False) |

Você também pode converter rapidamente uma das muitas distribuições no Numpy em uma amostra de números inteiros aleatórios. 3

Exemplos

>>> np.random.normal(loc=5, scale=10, size=size).astype(int)
array([17, 10,  3,  1, 16])

>>> np.random.poisson(lam=1, size=size).astype(int)
array([1, 3, 0, 2, 0])

>>> np.random.lognormal(mean=0.0, sigma=1.0, size=size).astype(int)
array([1, 3, 1, 5, 1])

1 Ou seja, John Lawrence Aspden, @ST Mohammed, @SiddTheKid, @ user14372, @zangw, et al. 2 @prashanth menciona este módulo mostrando um número inteiro. 3 Demonstrado por @Siddharth Satpathy


14

se você deseja usar numpy, use o seguinte:

import numpy as np
print(np.random.randint(0,10))

1
Você poderia dizer algo sobre "entorpecido".
Simón

11
Sim. Obrigado pelo link. Mas pretendia dizer que você poderia melhorar sua resposta fornecendo detalhes antes de apenas citar duas linhas de código; como por que motivo alguém prefere usá-lo em vez de algo já incorporado. Não que você seja obrigado, de qualquer maneira.
Simón

9
>>> import random
>>> random.randrange(10)
3
>>> random.randrange(10)
1

Para obter uma lista de dez amostras:

>>> [random.randrange(10) for x in range(10)]
[9, 0, 4, 0, 5, 7, 4, 3, 6, 8]

7

Gerando números inteiros aleatórios entre 0 e 9.

import numpy
X = numpy.random.randint(0, 10, size=10)
print(X)

Resultado:

[4 8 0 4 9 6 9 9 0 7]

6

random.sample é outro que pode ser usado

import random
n = 1 # specify the no. of numbers
num = random.sample(range(10),  n)
num[0] # is the required number

6

A melhor maneira é usar a função Aleatória de importação

import random
print(random.sample(range(10), 10))

ou sem nenhuma importação de biblioteca:

n={} 
for i in range(10):
    n[i]=i

for p in range(10):
    print(n.popitem()[1])

aqui o popitems remove e retorna um valor arbitrário do dicionário n.


3

Essa é mais uma abordagem matemática, mas funciona 100% do tempo:

Digamos que você queira usar a random.random()função para gerar um número entre ae b. Para conseguir isso, basta fazer o seguinte:

num = (b-a)*random.random() + a;

Claro, você pode gerar mais números.


2

Na página de documentação do módulo aleatório :

Aviso: Os geradores pseudo-aleatórios deste módulo não devem ser usados ​​para fins de segurança. Use os.urandom () ou SystemRandom se precisar de um gerador de números pseudo-aleatórios criptograficamente seguro.

random.SystemRandom , que foi introduzido no Python 2.4, é considerado criptograficamente seguro . Ele ainda está disponível no Python 3.7.1, que é atual no momento da escrita.

>>> import string
>>> string.digits
'0123456789'
>>> import random
>>> random.SystemRandom().choice(string.digits)
'8'
>>> random.SystemRandom().choice(string.digits)
'1'
>>> random.SystemRandom().choice(string.digits)
'8'
>>> random.SystemRandom().choice(string.digits)
'5'

Em vez de string.digits, rangepoderia ser usado por algumas das outras respostas, talvez junto com uma compreensão. Misture e combine de acordo com suas necessidades.


0

O OpenTURNS permite não apenas simular números inteiros aleatórios, mas também definir a distribuição associada à UserDefinedclasse definida.

A seguir, são simulados 12 resultados da distribuição.

import openturns as ot
points = [[i] for i in range(10)]
distribution = ot.UserDefined(points) # By default, with equal weights.
for i in range(12):
    x = distribution.getRealization()
    print(i,x)

Isso imprime:

0 [8]
1 [7]
2 [4]
3 [7]
4 [3]
5 [3]
6 [2]
7 [9]
8 [0]
9 [5]
10 [9]
11 [6]

Os colchetes estão lá porque xexiste Pointem uma dimensão. Seria mais fácil gerar os 12 resultados em uma única chamada para getSample:

sample = distribution.getSample(12)

produziria:

>>> print(sample)
     [ v0 ]
 0 : [ 3  ]
 1 : [ 9  ]
 2 : [ 6  ]
 3 : [ 3  ]
 4 : [ 2  ]
 5 : [ 6  ]
 6 : [ 9  ]
 7 : [ 5  ]
 8 : [ 9  ]
 9 : [ 5  ]
10 : [ 3  ]
11 : [ 2  ]

Mais detalhes sobre este tópico estão aqui: http://openturns.github.io/openturns/master/user_manual/_generated/openturns.UserDefined.html


-1

Eu tive melhor sorte com isso para Python 3.6

str_Key = ""                                                                                                
str_RandomKey = ""                                                                                          
for int_I in range(128):                                                                                    
      str_Key = random.choice('0123456789')
      str_RandomKey = str_RandomKey + str_Key 

Basta adicionar caracteres como 'ABCD' e 'abcd' ou '^! ~ = -> <' para alterar o conjunto de caracteres para retirar, altere o intervalo para alterar o número de caracteres gerados.

Ao utilizar nosso site, você reconhece que leu e compreendeu nossa Política de Cookies e nossa Política de Privacidade.
Licensed under cc by-sa 3.0 with attribution required.