Python math库和random库

1、math库

 >>> from math import *

 >>> 2*pi

 6.283185307179586

 >>> e

 2.718281828459045

 >>> ceil(2.3)

 3

 >>> floor(2.3)

 2

 >>> pow(2,3)

 8.0

 >>> log(e)

 1.0

 >>> log10(100)

 2.0

 >>> sqrt(16)

 4.0

 >>> from math import *

 >>> exp(2)

 7.38905609893065

 >>> e**2

 7.3890560989306495

 >>> degrees(pi)

 180.0

 >>> radians(120)

 2.0943951023931953

 >>> sin(pi/2)

 1.0

 >>> cos(pi/3)

 0.5000000000000001

 >>> tan(pi/4)

 0.9999999999999999

 >>> atan(1)

 0.7853981633974483

 >>> asin(1)

 1.5707963267948966

 >>> acos(1)

 0.0

2、random库

 from random import *

 >>> random()

 0.6606648937887478

 >>> uniform(1,10)

 8.316837423419921

 >>> randint(1,10)

 5

 >>> randrange(0,10,2)

 4

 >>> randrange(0,10,2)

 8

 >>> randrange(0,10,2)

 6

 >>> randrange(0,10,2)

 0

 >>> ra=[0,1,2,3,4,5,6,7,8,9]

 >>> choice(ra)

 1

 >>> shuffle(ra)

 >>> ra

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

 >>> sample(ra,4)

 [1, 8, 5, 9]

3、随机种子

 >>> seed(10)

 >>> random()

 0.5714025946899135

 >>> random()

 0.4288890546751146

 >>> random()

 0.5780913011344704

 >>> seed(1)

 >>> random()

 0.13436424411240122

 >>> random()

 0.8474337369372327

 >>> seed(10)

 >>> random()

 0.5714025946899135

 >>> random()

 0.4288890546751146

 >>> random()

 0.5780913011344704

可以看出，通过随机种子生成的是伪随机数。

4、蒙特卡洛(Monte Carlo)方法

又称随机抽样或统计试验方法。当所求解问题是某种事件出现的概率，或某随机变量期望值时，可以通过某种“试验”的方法求解。简单说，蒙特卡洛是利用随机试验求解问题的方法。

π计算问题的IPO表示如下：

输入：抛点的数量

处理：对于每个抛洒点，计算点到圆心的距离，通过距离判断该点在圆内或是圆外。统计在圆内点的数量

输出：π值

 from math import sqrt

 from random import random

 from time import clock #时间库

 Darts=150000  #投掷次数

 hits=0 #击中次数

 clock()

 for i in range(Darts):

     x,y=random(),random()  #同步赋值

     if sqrt((x**2+y**2))<=1:

         hits=hits+1

 pai=4*hits/Darts

 print("Pi的值是：%f"%pai)

 print("程序运行时间%s s"%clock())