python中rnd函数 rnd函数用法

RND是什么

Rnd函数 返回

返回一个包含随机数值的 Single。

语法

Rnd[(number)]

可选的 number 参数是 Single 或任何有效的数值表达式。

返回值

如果 number 的值是 Rnd 生成

小于 0 每次都使用 number 作为随机数种子得到的相同结果。

大于 0 序列中的下一个随机数。

等于 0 最近生成的数。

省略 序列中的下一个随机数。

说明

Rnd 函数返回小于 1 但大于或等于 0 的值。

number 的值决定了 Rnd 生成随机数的方式。

对最初给定的种子都会生成相同的数列，因为每一次调用 Rnd 函数都用数列中的前一个数作为下一个数的种子。

在调用 Rnd 之前，先使用无参数的 Randomize 语句初始化随机数生成器，该生成器具有根据系统计时器得到的种子。

为了生成某个范围内的随机整数，可使用以下公式：

Int((upperbound - lowerbound + 1) * Rnd + lowerbound)

这里，upperbound 是随机数范围的上限，而 lowerbound 则是随机数范围的下限。

注意 若想得到重复的随机数序列，在使用具有数值参数的 Randomize 之前直接调用具有负参数值的 Rnd。使用具有同样 number 值的 Randomize 是不会得到重复的随机数序列的。

相关问答

Q1: RND函数怎么用

rnd，Visual Basic中随机函数。

格式：Rnd(数值表达式)

功能：求[0,1)之间的一个随机数

语法：

Rnd[(number)]

如果 number 的值是 Randomize 生成

①小于 0 ，每次都使用 number 作为随机数种子得到的相同结果。

②大于 0 ，以上一个随机数为种子产生下一个随机数。

③等于 0 ，产生与最近生成的随机数相同的随机数。

④省略， 以上一个随机数为种子产生下一个随机数。

说明：

Rnd 函数返回小于 1 但大于或等于 0 的值。

number 的值决定了 Rnd 生成随机数的方式。

对最初给定的种子都会生成相同的数列，因为每一次调用 Rnd 函数都用数列中的前一个数作为下一个数的种子。

在调用 Rnd 之前，先使用无参数的 Randomize语句初始化随机数生成器（若带参数，则产生由参数对应的一个特定序列的随机数），该生成器具有根据系统计时器得到的种子。

为了生成某个范围内的随机整数，可使用以下公式：

Int((upperbound - lowerbound + 1) * Rnd + lowerbound)

这里，upperbound 是随机数范围的上限，而 lowerbound 则是随机数范围的下限。

注意： 若想得到重复的随机数序列，在使用具有数值参数的 Randomize 之前直接调用具有负参数值的 Rnd。使用具有同样 number 值的 Randomize 是不会得到重复的随机数序列的。

示例：

本示例使用 Rnd 函数随机生成一个 1 到 6 的随机整数。

Dim MyValue

MyValue = Int((6 * Rnd) + 1) ' 生成 1 到 6 之间的随机数值 ,这里的int 是把后面产生的小数转换成整数！

由于Rnd是[0，1），（6*Rnd）+1为[1，7）。int是求不大于number 的最大整数，所以得出1~6的随机数

Q2: rnd(1)什么意思

Rnd函数 返回一个包含随机数值的 Single

Rnd 函数返回小于 1 但大于或等于 0 的值。

number 的值决定了 Rnd 生成随机数的方式。

语法

Rnd[(number)]

如果 number 的值是 Rnd 生成

小于 0 每次都使用 number 作为随机数种子得到的相同结果。

大于 0 序列中的下一个随机数。

等于 0 最近生成的数。

省略(空值) 序列中的下一个随机数。

Q3: Python中的加权随机样本问题，怎么解决

我们平时比较多会遇到的一种情景是从一堆的数据中随机选择一个, 大多数我们使用random就够了, 但是假如我们要选取的这堆数据分别有自己的权重, 也就是他们被选择的概率是不一样的, 在这种情况下, 就需要使用加权随机来处理这些数据

1. 简单线性方法

下面是一种简单的方案, 传入权重的列表(weights), 然后会返回随机结果的索引值(index), 比如我们传入[2, 3, 5], 那么就会随机的返回0(概率0.2), 1(概率0.3), 2(概率0.5)

简单的思路就是把所有的权重加和, 然后随机一个数, 看看落在哪个区间

import random

def weighted_choice(weights):

totals = []

running_total = 0

for w in weights:

running_total += w

totals.append(running_total)

rnd = random.random() * running_total

for i, total in enumerate(totals):

if rnd total:

return i

2. 加速搜索

上面这个方法看起来非常简单, 已经可以完成我们所要的加权随机, 然是最后的这个for循环貌似有些啰嗦, Python有个内置方法bisect可以帮我们加速这一步

import random

import bisect

def weighted_choice(weights):

totals = []

running_total = 0

for w in weights:

running_total += w

totals.append(running_total)

rnd = random.random() * running_total

return bisect.bisect_right(totals, rnd)

bisect方法可以帮我们查找rnd在totals里面应该插入的位置, 两个方法看起来差不多, 但是第二个会更快一些, 取决于weights这个数组的长度, 如果长度大于1000, 大约会快30%左右

3. 去掉临时变量

其实在这个方法里面totals这个数组并不是必要的, 我们调整下策略, 就可以判断出weights中的位置

def weighted_choice(weights):

rnd = random.random() * sum(weights)

for i, w in enumerate(weights):

rnd -= w

if rnd 0:

return i

这个方法比第二种方法竟然快了一倍, 当然, 从算法角度角度, 复杂度是一样的, 只不过我们把赋值临时变量的功夫省下来了, 其实如果传进来的weights是已经按照从大到小排序好的话, 速度会更快, 因为rnd递减的速度最快(先减去最大的数)

4. 更多的随机数

如果我们使用同一个权重数组weights, 但是要多次得到随机结果, 多次的调用weighted_choice方法, totals变量还是有必要的, 提前计算好它, 每次获取随机数的消耗会变得小很多

class WeightedRandomGenerator(object):

def __init__(self, weights):

self.totals = []

running_total = 0

for w in weights:

running_total += w

self.totals.append(running_total)

def next(self):

rnd = random.random() * self.totals[-1]

return bisect.bisect_right(self.totals, rnd)

def __call__(self):

return self.next()

在调用次数超过1000次的时候, WeightedRandomGenerator的速度是weighted_choice的100倍

所以我们在对同一组权重列表进行多次计算的时候选择方法4, 如果少于100次, 则使用方法3

5. 使用accumulate

在python3.2之后, 提供了一个itertools.accumulate方法, 可以快速的给weights求累积和

from itertools import accumulate

data = [2, 3, 5, 10]

list(accumulate(data))

[2, 5, 10, 20]

Q4: rnd函数的应用

rnd函数用于产生一个随机数序列，从这个序列选出个数作为返回值

函数中的参数是从这个随机数序列中取值的方式

小于 0 每次都使用参数作为随机数种子得到的相同结果。

大于 0 序列中的下一个随机数。

等于 0 最近生成的数。

省略 序列中的下一个随机数。