常用API
import random# 随机小数
print(random.random()) # 大于0且小于1之间的小数。0<= n<1.0
print(random.uniform(1,3)) # 大于1小于3的小数# 随机整数
print(random.randint(1,5)) # 大于等于1且小于等于5之间的整数#从指定范围内，按指定基数递增的集合中 获取一个随机数。
random.randrange([start], stop[, step])
random.randrange(10, 30, 2) # 结果相当于从[10, 12, ... 26, 28]序列中获取一个随机数。
random.randrange(10, 30, 2) # 在结果上与 random.choice(range(10, 30, 2) 等效。# 随机选择一个返回
print(random.choice([1,'23',[4,5]])) # 1或者23或者[4,5]
# 随机选择多个返回，返回的个数为函数的第二个参数
print(random.sample([1,'23',[4,5]],2)) # 列表元素任意2个组合[[4, 5], '23']# 打乱列表顺序
item=[1,3,5,7,9]
random.shuffle(item) # 打乱次序
print(item） # [5, 1, 3, 7, 9]
random.shuffle(item)
print(item） # [5, 9, 7, 1, 3]加权随机算法实现
方法一
最简单的方法可以这样：把序列按权重值扩展成:lists=[A,A,A,A,A,B,B,C,C,D],然后random.choice(lists)随机选一个就行。虽然这样选取的时间复杂度是O(1)，但是数据量一大，空间消耗就太大了。
# coding:utf-8
import randomdef weight_choice(list, weight):""":param list: 待选取序列:param weight: list对应的权重序列:return:选取的值"""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
比较常用的方法是这样：计算权重总和sum，然后在1到sum之间随机选择一个数R，之后遍历整个集合，统计遍历的项的权重之和，如果大于等于R，就停止遍历，选择遇到的项。
还是以上面的集合为例，sum等于10，如果随机到1-5，则会在遍历第一个数字的时候就退出遍历。符合所选取的概率。
选取的时候要遍历集合，它的时间复杂度是O（n）。
# coding:utf-8
import randomlist = ['A', 'B', 'C', 'D']def weight_choice(weight):""":param weight: list对应的权重序列:return:选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 -= valif t < 0:return iif __name__ == "__main__":print(list[weight_choice([5, 2, 2, 1])])方法三
可以先对原始序列按照权重排序。这样遍历的时候，概率高的项可以很快遇到，减少遍历的项。（因为rnd递减的速度最快(先减去最大的数)）比较{A:5，B:2，C:2，D:1}和{B:2，C:2，A:5，D:1}前者遍历步数的期望是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。这样提高了平均选取速度，但是原序列排序也需要时间。先搞一个权重值的前缀和序列，然后在生成一个随机数t后，可以用二分法来从这个前缀和序列里找，那么选取的时间复杂度就是O(logn)了。
# coding:utf-8
import random
import bisectlist = ['A', 'B', 'C', 'D']def weight_choice(weight):""":param weight: list对应的权重序列:return:选取的值在原列表里的索引"""weight_sum = []sum = 0for a in weight:sum += aweight_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])])
