python返回非0隨機數

『壹』 筆試python總提示返回值非零是為啥

估計你是a%b那個? b不能為0啊,錯誤了 程序就跳出了 所以返回非0

『貳』 python3 輸入位數 輸出沒有0的正整數隨機數

importrandom

bit=int(input('Inputanum:'))
digits=[random.randint(1,9)for_inrange(bit)]#隨機生成bit位1~9之間的隨機數
num=int(''.join(map(str,digits)))#轉換為str>鏈接成一個字元串>轉換為整數
print(num)

『叄』 python 隨機數

##importrandom
##sticks=21
##whilesticks>0:
##print('剩下',sticks)
##sticks_taken=int(input("拿棍子(1-4)："))
##computer_taken=int(random.randint(1,4))
##ifsticks==1:
##print('youlose')
##break
##ifsticks_taken>4orsticks_taken<=0:
##print('error')
##continue
##print('電腦拿了%s'%(5-sticks_taken),'
')
##sticks-=(sticks_taken+computer_taken)
##else:
##print('gameend')
"""
因不知道題意，這二個答案選哪個，你定。我覺得這題其實應
是你和電腦隨機數在比賽。
"""


importrandom
sticks=21
whilesticks>0:
print('剩下',sticks)
sticks_taken=int(input("拿棍子(1-4)："))
computer_taken=int(random.randint(1,4))
ifsticks==1:
print('youlose')
break
ifsticks_taken>4orsticks_taken<=0:
print('error')
continue
print('電腦拿了%s'%computer_taken,'
')
sticks-=(sticks_taken+computer_taken)
else:
print('gameend')

『肆』 關於python非零返回問題

你這里有如下幾個錯誤：
提交的應當是代碼，而不是示例。
">>>"是python shell中的提示符，不應當包含在代碼的每一行；
在PTA上，所有需要接受輸入的方，要使用無提示的input()；
PTA的Python3不接受中文，代碼中不要有中文內容，注釋中是否可以包含中文沒有測試過。

『伍』 python裡面如何生成隨機數

random模塊
隨機整數：random.randint(a,b)：返回隨機整數x,a<=x<=b
random.randrange(start,stop,[,step])：返回一個范圍在(start,stop,step)之間的隨機整數，不包括結束值。
隨機實數：random.random( ):返回0到1之間的浮點數
random.uniform(a,b):返回指定范圍內的浮點數。

『陸』 python如何生成隨機數、隨機字元、隨機字元串

import random

import string

# 返回給定數量的隨機數列表

lst = random.sample(source, n)

參數source：從source中隨機選擇，n為數量

下面字元串可供選擇

問題簡單了

【生成n個隨機數】

numlst = [int(i) for i in random.sample(string.digits, n)]

numlst為隨機數整形列表

【生成n個隨機字元】

strlst = [i for i in random.sample(string.ascii_letters, n)]

返回一個隨機字元列表strlst。

strlst = [i for i in random.sample(string.ascii_letters, n)]

把隨機字元連接起來就可以了

print(''.join(strlst))

如果需要生成的隨機字元、字元串帶有符號，則使用string.printable作為參數source傳遞給random.sample(source, n)中即可。

望採納！

『柒』 用python生成隨機數的幾種方法

1 從給定參數的正態分布中生成隨機數
當考慮從正態分布中生成隨機數時，應當首先知道正態分布的均值和方差（標准差），有了這些，就可以調用python中現有的模塊和函數來生成隨機數了。這里調用了Numpy模塊中的random.normal函數，由於邏輯非參簡單，所有直接貼上代碼如下：
import numpy as np# 定義從正態分布中獲取隨機數的函數def get_normal_random_number(loc, scale): """ :param loc: 正態分布的均值 :param scale: 正態分布的標准差 :return:從正態分布中產生的隨機數 """ # 正態分布中的隨機數生成 number = np.random.normal(loc=loc, scale=scale) # 返回值 return number# 主模塊if __name__ == "__main__": # 函數調用 n = get_normal_random_number(loc=2, scale=2) # 列印結果 print(n) # 結果:3.275192443463058

2 從給定參數的均勻分布中獲取隨機數的函數
考慮從均勻分布中獲取隨機數的時候，要事先知道均勻分布的下界和上界，然後調用Numpy模塊的random.uniform函數生成隨機數。
import numpy as np# 定義從均勻分布中獲取隨機數的函數def get_uniform_random_number(low, high): """ :param low: 均勻分布的下界 :param high: 均勻分布的上界 :return: 從均勻分布中產生的隨機數 """ # 均勻分布的隨機數生成 number = np.random.uniform(low, high) # 返回值 return number# 主模塊if __name__ == "__main__": # 函數調用 n = get_uniform_random_number(low=2, high=4) # 列印結果 print(n) # 結果:2.4462417140153114

3 按照指定概率生成隨機數
有時候我們需要按照指定的概率生成隨機數，比如已知盒子中每種顏色的球的比例，猜測下一次取出的球的顏色。在這里介紹的問題和上面的例子相似，要求給定一個概率列表，從列表對應的數字列表或區間列表中生成隨機數，分兩部分討論。
3.1 按照指定概率從數字列表中隨機抽取數字
假設給定一個數字列表和一個與之對應的概率列表，兩個列表對應位置的元素組成的元組即表示該數字在數字列表中以多大的概率出現，那麼如何根據這些已知條件從數字列表中按概率抽取隨機數呢？在這里我們考慮用均勻分布來模擬概率，代碼如下：
import numpy as npimport random# 定義從均勻分布中獲取隨機數的函數def get_uniform_random_number(low, high): """ :param low: 均勻分布的下界 :param high: 均勻分布的上界 :return: 從均勻分布中產生的隨機數 """ # 均勻分布的隨機數生成 number = np.random.uniform(low, high) # 返回值 return number# 定義從一個數字列表中以一定的概率取出對應區間中數字的函數def get_number_by_pro(number_list, pro_list): """ :param number_list:數字列表 :param pro_list:數字對應的概率列表 :return:按概率從數字列表中抽取的數字 """ # 用均勻分布中的樣本值來模擬概率 x = random.uniform(0, 1) # 累積概率 cum_pro = 0.0 # 將可迭代對象打包成元組列表 for number, number_pro in zip(number_list, pro_list): cum_pro += number_pro if x < cum_pro: # 返回值 return number# 主模塊if __name__ == "__main__": # 數字列表 num_list = [1, 2, 3, 4, 5] # 對應的概率列表 pr_list = [0.1, 0.3, 0.1, 0.4, 0.1] # 函數調用 n = get_number_by_pro(number_list=num_list, pro_list=pr_list) # 列印結果 print(n) # 結果:1

3.2 按照指定概率從區間列表中的某個區間內生成隨機數
給定一個區間列表和一個與之對應的概率列表，兩個列表相應位置的元素組成的元組即表示某數字出現在某區間內的概率是多少，已知這些，我們如何生成隨機數呢？這里我們通過兩次使用均勻分布達到目的，代碼如下：
import numpy as npimport random# 定義從均勻分布中獲取隨機數的函數def get_uniform_random_number(low, high): """ :param low: 均勻分布的下界 :param high: 均勻分布的上界 :return: 從均勻分布中產生的隨機數 """ # 均勻分布的隨機數生成 number = np.random.uniform(low, high) # 返回值 return number# 定義從一個數字列表中以一定的概率取出對應區間中數字的函數def get_number_by_pro(number_list, pro_list): """ :param number_list:數字列表 :param pro_list:數字對應的概率列表 :return:按概率從數字列表中抽取的數字 """ # 用均勻分布中的樣本值來模擬概率 x = random.uniform(0, 1) # 累積概率 cum_pro = 0.0 # 將可迭代對象打包成元組列表 for number, number_pro in zip(number_list, pro_list): cum_pro += number_pro if x < cum_pro: # 從區間[number. number - 1]上隨機抽取一個值 num = get_uniform_random_number(number, number - 1) # 返回值 return num# 主模塊if __name__ == "__main__": # 數字列表 num_list = [1, 2, 3, 4, 5] # 對應的概率列表 pr_list = [0.1, 0.3, 0.1, 0.4, 0.1] # 函數調用 n = get_number_by_pro(number_list=num_list, pro_list=pr_list) # 列印結果 print(n) # 結果:3.49683787011193

『捌』 python用生成隨機數的方法

import random
random.randint(1,10) #取1~10之間隨機數。

『玖』 python中random什麼意思

Random意思是返回一個0~num-1之間的隨機數。random(num)是在stdlib.h中的一個宏定義。num和函數返回值都是整型數。

如需要在一個random()序列上生成真正意義的隨機數，在執行其子序列時使用randomSeed()函數預設一個絕對的隨機輸入，例如在一個斷開引腳上的analogRead()函數的返回值。

Random的作用

Random使用之前需要使用Randomize語句進行隨機數種子的初始化。RANDOM產生的是偽隨機數或者說是用一種復雜的方法計算得到的序列值，因此每次運算時需要一個不同的種子值。種子值不同，得到的序列值也不同。因此也就是真正的隨機數了。

RANDOM產生的是偽隨機數或者說是用一種復雜的方法計算得到的序列值，因此每次運算時需要一個不同的種子值。種子值不同，得到的序列值也不同。因此也就是真正的隨機數了。這也正是RANDOMIZE隨機初始化的作用。 VB里用 NEW RANDOM()來表示初始化。

『拾』 python中的隨機數是怎麼實現的

PYTHON中的偽隨機數發生器用的是梅森旋轉演算法。
梅森旋轉演算法（Mersenne twister）是一個偽隨機數發生演算法。由松本真和西村拓士在1997年開發，基於有限二進制欄位上的矩陣線性遞歸。可以快速產生高質量的偽隨機數，修正了古典隨機數發生演算法的很多缺陷。
梅森旋轉演算法是R、Python、Ruby、IDL、Free Pascal、PHP、Maple、Matlab、GNU多重精度運算庫和GSL的默認偽隨機數產生器。從C++11開始，C++也可以使用這種演算法。
整個演算法主要分為三個階段：獲得基礎的梅森旋轉鏈；對於旋轉鏈進行旋轉演算法；對於旋轉演算法所得的結果進行處理。
演算法實現的過程中，參數的選取取決於梅森素數，故此得名。
梅森素數由梅森數而來。所謂梅森數，是指形如2↑p－1的一類數，其中指數p是素數，常記為Mp 。如果梅森數是素數，就稱為梅森素數。
例如4-1=3，8-1=7，16-1=15（不是素數），32-1=31，64-1=63（不是素數）等等。