Generieren Sie zufällige ganze Zahlen zwischen 0 und 9

Wie kann ich in Python zufällige Ganzzahlen zwischen 0 und 9 (einschließlich) generieren?

Zum Beispiel, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9

Versuchen random.randrange:

from random import randrange
print(randrange(10))

Versuchen random.randint:

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

Docs-Status:

random.randint(a, b)

Gibt eine zufällige ganze Zahl N zurück, sodass a <= N <= b.

Versuche dies:

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)

from random import randint

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

Dadurch werden 10 pseudozufällige Ganzzahlen im Bereich von 0 bis einschließlich 9 generiert.

Das secrets Modul ist neu in Python 3.6. Das ist besser als die random Modul für Kryptographie oder Sicherheitszwecke.

So drucken Sie zufällig eine Ganzzahl im inklusiven Bereich 0-9:

from secrets import randbelow
print(randbelow(10))

Einzelheiten finden Sie unter PEP 506.

Beachten Sie, dass es wirklich vom Anwendungsfall abhängt. Mit dem random Modul können Sie einen zufälligen Seed setzen, nützlich für pseudozufällige, aber reproduzierbare Ergebnisse, und dies ist mit dem nicht möglich secrets Modul.

random Modul ist auch schneller (getestet auf Python 3.9):

>>> timeit.timeit("random.randrange(10)", setup="import random")
0.4920286529999771
>>> timeit.timeit("secrets.randbelow(10)", setup="import secrets")
2.0670733770000425

Ich würde eines der folgenden versuchen:

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.> numpy.random.choice

import numpy as np
X3 = np.random.choice(a=10, size=15 )

print (X3)
>>> array([1, 4, 0, 2, 5, 2, 7, 5, 0, 0, 8, 4, 4, 0, 9])

4.> random.randrange

from random import randrange
X4 = [randrange(10) for i in range(15)]

print (X4)
>>> [2, 1, 4, 1, 2, 8, 8, 6, 4, 1, 0, 5, 8, 3, 5]

5.> zufällig.randint

from random import randint
X5 = [randint(0, 9) for i in range(0, 15)]

print (X5)
>>> [6, 2, 6, 9, 5, 3, 2, 3, 3, 4, 4, 7, 4, 9, 6]

Geschwindigkeit:

► np.random.uniform und np.random.randint sind viel schneller (~10 mal schneller) als np.random.choice, random.randrange, 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 np.random.choice(a=10, size=15 )
>> 21 µs ± 629 ns per loop (mean ± std. dev. of 7 runs, 10000 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)

Anmerkungen:

1.> np.random.randint generiert zufällige ganze Zahlen über das halboffene Intervall [low, high).

2.> np.random.uniform generates uniformly distributed numbers over the half-open interval [low, high).

3.> np.random.choice generates a random sample over the half-open interval [low, high) as if the argument a was np.arange(n).

4.> random.randrange(stop) generates a random number from range(start, stop, step).

5.> random.randint(a, b) returns a random integer N such that a <= N <= b.

6.> astype(int) casts the numpy array to int data type.

7.> I have chosen size = (15,). This will give you a numpy array of length = 15.

Choose the size of the array (in this example, I have chosen the size to be 20). And then, use the following:

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

You can expect to see an output of the following form (different random integers will be returned each time you run it; hence you can expect the integers in the output array to differ from the example given below).

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