java中random函数用法、java中random类使用 收藏 0

（Axure）：random、sin等函数的用法

先看示例：

random()：返回0 ~ 1之间的随机数

sin(x)：返回数的正弦

sqrt(x)：返回数的平方根

tan(x)：返回角的正切

业务场景：第一个random()，点击提交，对应出来的返回值为0-1之间的小数；后面四个也一样，通过输入值来返回相应值。

实现思路：通过按钮、输入框、标签等元件，表达函数效果。

操作方法：

1、拖入4个文字标签，分别输入random()、sin(x)、sqrt(x)、tan(x)；再拖入5个文字标签，置于文字下方，一一对应，分别命名为“random()”、“random()1”、”sin(x)”、“sqrt(x)”、“tan(x)”；

2、拖入5个输入框，分别命名为各个函数的文本名称，根据函数的需要放置不同的个数；

3、分别拖入5个按钮，一 一对应；

4、在按钮上设置条件。

（原创版权，请勿商用。原文地址：http://www.guanjunrui.com/?p=1188。全部文章请点击下方的“互联网人 学习！学习！学习！”，进入官方网站，谢谢！）

python应用之random模块（居然还有那么多的随机算法函数）

random 是 Python 的一个常用的内置模块，模块提供了生成随机数的功能，包含了多种生成随机数的函数，比如生成随机整数、随机浮点数、从序列中随机选择元素等。

要使用 random模块，直接导入它即可。

以下是random模块提供的主要函数：

生成一个[0.0, 1.0)范围内的不包含整数1随机浮点数（大于等于0，小于1的小数）。

测试代码：

执行后结果：

0.3336493107060039

如果想保留小数，可以用round函数或者decimal.Decimal函数

1）使用round函数保留几位小数，在round第2个参数中传入数字几，比如保留3位小数

2）使用Decimal函数，保留3位小数

Decimal模块的用法可参见之前的文章：

生成一个指定范围内的随机整数，包括a和b的值

测试代码：

多次执行后结果：

69

19

67

从指定的范围内返回一个随机整数,类似于range()函数。randint函数其实调用的也是该函数。

关于参数：

• 如果不传stop和step参数，start参数必须大于0，否则报错。此时会随机生成比start小的整数。
• 如果不传stop，传的step参数必须等于1，否则会报错。
• 如果传了stop和step参数，step不等于1时则随机生成一个start和stop之间步长为step的整数。step=1时生成在start和stop之间，并且小于stop的数（不同于randint函数）

具体的按照step计算方式参考源代码：

测试代码：

#随机生成1到1000步长为10的整数

#随机生成5到99之间的整数

#随机生成小于100的整数

从非空序列seq中随机选取一个元素。seq是支持切片的对象，比如列表list，元组tuple，字符串str，字节串bytes等。

测试代码：

从给定的序列中随机选择1个或者多个元素，返回的是列表list；我们可以指定每个元素被选中的概率，或者指定要选择的元素数量。该函数在Python 3.6及更高版本中才支持。

参数：

• population：一个支持切片的序列，用于从中随机选择元素。
• weights（可选）：一个序列，指定了population中每个元素被选中的相对概率；weights的长度需要等于population的长度；默认情况下，所有元素的选中概率是相等的。
• k（可选）：一个整数，指定要选择的元素数量。默认为1。K可以大于序列的长度。
• cum_weights（可选）：一个序列，用于指定累积权重。cum_weights的长度需要等于population的长度；如果提供了cum_weights，则不能传weights，否则报错；累积权重的值应该由小到大。

测试代码：

结果：前4个每次执行结果可能不同,最后一个因为权重设置问题每次都是结果[1,1]

[4, 5]

[2, 3, 4, 3, 4, 2]

[2, 1]

[1, 5]

[1, 1]

用于打乱序列x的元素。函数会直接修改序列x，没有return。

参数：

• x ： 支持切片的序列
• random：默认为none，也可以传random.random函数。不过该参数从Python 3.9开始，将在后续版本中删除。

测试代码：

结果：

[1, 3, 5, 4, 2]

[5, 2, 1, 4, 3]

从指定的序列population中随机获取k个不重复的元素，并返回一个list。

参数：

• population：一个支持切片的序列，用于从中随机选择元素。
• k：一个整数，指定要选择的元素数量。K不能大于序列的长度。
• counts：可以指定序列population中元素重复的次数；传入的是一个数字元素的序列，序列长度跟population一致；数字越大，元素重复的次数变多，意味着被随机到的概率也会变大，也会返回相同的元素；如果不带这个参数，返回的元素不会重复。

举例：

上述seq_list 等同于[1,1,2,2,3], 第1个和第2个元素重复2次。

测试代码：

随机生成n个字节的字节码。

测试代码：

结果：

b\’\\xff\\x19\\xb7*{\\x88\\x9d\\xb5\\xea-\\x10\\x1dA}\\xa9\\xce\\xaf$\\xf8\\x0f\’

随机生成k个比特位bit（1个字节=8的比特位),返回一个在范围在[0, 2**k) 范围内的随机整数。上面的randbytes函数调用的就是该函数。

测试代码：

结果： 每次执行结果不同

503161

设置a等于某个值时，确保每次运行程序时生成的随机数序列都是相同的。保持默认值，每次运行程序时生成的随机数序列可能会不同。

测试代码：

每次执行后结果都一样

生成一个在指定范围内[a, b]（包含a和b）的随机浮点数。a和b可以是整数或者浮点数。

测试代码：

执行后返回的浮点数每次都不同

3.1062124017808896

• normalvariate(mu,sigma): 返回一个符合正态分布（均值为mu，标准差为sigma）的随机浮点数。
• gauss (mu,sigma): 同normalvariate功能。
• triangular(low=0.0, high=1.0, mode=None): 返回一个生成三角形分布的随机数。
• lognormvariate(mu,sigma): 返回一个符合对数正态分布（均值为mu，标准差为sigma）的随机浮点数。
• expovariate(lambd)函数用于生成一个符合指数分布的随机浮点数。lambd必须是大于0的浮点数。
• vonmisesvariate(mu, kappa)函数用于生成一个符合冯·米塞斯（Von Mises）分布的随机浮点数。
• gammavariate(alpha, beta)函数用于生成一个符合伽马（Gamma）分布的随机浮点数。
• betavariate(alpha, beta)函数用于生成一个符合贝塔（Beta）分布的随机浮点数。
• paretovariate(alpha)函数用于生成一个符合帕累托（Pareto）分布的随机浮点数。
• paretovariate(alpha, beta)函数用于生成威布尔（Weibull）分布的随机数。

内容比较多，欢迎大家点赞收藏后学习。

共勉： 东汉·班固《汉书·枚乘传》：“泰山之管穿石，单极之绠断干。水非石之钻，索非木之锯，渐靡使之然也。”

—–指水滴不断地滴，可以滴穿石头；

—–比喻坚持不懈，集细微的力量也能成就难能的功劳。

—-感谢读者的阅读和学习，谢谢大家。

Java随机数之System/Random/SecureRandom详解

本系列为：从零开始学Java，为千锋资深Java教学老师独家创作

致力于为大家讲解清晰Java学习相关知识点，含有丰富的代码案例及讲解。如果感觉对大家有帮助的话，可以【关注】持续追更~

文末有本文重点总结！关于技术类问题，也欢迎大家和我们沟通交流！

我们在解决实际问题时，除了经常需要对数字、日期、时间进行操作之外，有时候还需要对系统进行设置，另外还需要生成一些随机数字。

那么我们又该如何实现这些需求呢？接下来我们会带着大家来学习一下Java中的另几个常用类，包括System、Random、SecureRandom等。

全文大约 【4000】字， 不说废话，只讲可以让你学到技术、明白原理的纯干货！本文带有丰富的案例及配图，让你更好地理解和运用文中的技术概念，并可以给你带来具有足够启迪的思考…

System类位于java.lang包中，代表着当前Java程序的运行平台，系统级的很多属性和控制方法都放在该类中。

由于该类的构造方法是private的，所以我们无法直接通过new的方式来创建该类的对象。System类提供了一些静态变量和静态方法，允许我们直接通过System类来调用这些类变量和类方法。在System类中，虽然有挺多的静态变量和方法，但对我们来说，只需记住一些常用的即可。

System类中常用的静态变量有如下几个：

● PrintStream out：标准输出流；

● InputStream in：标准输入流；

● PrintStream err：标准错误输出流；

1.2 常用静态方法

System类中常用的静态方法有如下几个：

● currentTimeMillis()：返回当前的计算机时间；

● exit()：终止当前正在运行的 Java 虚拟机；

● gc()：请求系统进行垃圾回收，完成内存中的垃圾清除；

● getProperty()：获得系统中属性名为 key 的属性对应的值；

● arraycopy()：进行数组复制，即从指定源数组中复制一个数组。

接下来我们就把

以上这些静态变量和静态方法的基本使用，给大家简要介绍一下。

首先我们来看看System类中几个常用静态变量该如何使用。

2.1 out

out静态变量属于PrintStream类型，是System类中的标准输出流，用于接收要输出的数据。out中的数据内容通常会输出到显示器，或用户指定的某个输出目标。其实对我们来说，out并不陌生，可以说在我们之前的案例中经常使用，尤其是out中的print方法，最近我们一直在使用。但我们要搞清楚，print属于PrintStream流的方法，并不是 System类的方法。

in静态变量属于InputStream类型，是System类中的标准输入流，用于接收输入的数据。in通常是对应着键盘的输入，或是用户指定的另一个输入源。我们在之前的案例中，也简单使用过in常量，但它没有out用的那么频繁。

上面的这个案例，System.in.read()语句可以读入一个字符，read()方法是InputStream类拥有的方法。变量c必须用 int 类型，而不能用char类型，否则可能会丢失精度而导致编译失败。另外上面的程序，如果输入的是汉字将不能正常输出。如果我们想正常输出汉字，需要把 System.in声明为 InputStreamReader类型的实例。比如

InputStreamReader in=new InputStreamReader(System.in,\”GB2312\”)，此时就可以读入完整的Unicode码，才能显示正常的汉字。

err静态变量属于PrintStream类型，是System类中的标准错误输出流，用于接收要输出的数据。err中的数据内容通常会输出到显示器，或用户指定的某个输出目标。其用法与System.out一样，只是不需要我们提供参数就可以输出错误信息，也可以用来输出用户指定的其他信息，包括一些变量的值。

以上这几个静态变量都很简单，大家记住其用法即可。

接下来再跟大家说说System类中的几个常用静态方法的用法。

currentTimeMillis()方法用于返回当前计算机的时间戳，时间格式是当前计算机的时间与GMT时间(格林尼治时间)，自1970年 1月 1日 0时 0分 0秒以来所经历的毫秒数，我们一般用它来测试程序的执行时间。通过调用currentTimeMillis()方法，我们可以获得一个长整型的数字，该数字是以差值表达的当前时间。其实currentTimeMillis()方法我们在之前的文章中已经详细讲解过，这里就不再细说了。

exit()方法用于终止当前正在运行的Java虚拟机，也就是可以用于退出程序。该方法需要一个整型的status参数，0表示正常退出，非零表示异常退出。我们使用该方法，可以在图形界面编程中实现程序的退出功能。该方法的用法如下：

gc()方法用于请求对系统主动进行垃圾回收，完成内存中的垃圾清除。但系统是否会立刻回收这些垃圾，却取决于系统中垃圾回收算法的具体实现，以及系统执行时的具体情况。一般我们在开发时不会主动调用该方法，有时候调用了也未必有效果。

getProperty()方法可以根据指定的key，获得系统中对应的某些属性值，系统中常见的属性名及其属性如下表所示：

arraycopy()方法用于数组复制，可以从指定的源数组中复制出一个数组，复制会从指定的位置开始，到目标数组的指定位置结束。arraycopy()方法一般有5个参数，其中，src表示源数组，srcPos表示从源数组中复制的起始位置，dest表示目标数组，destPos表示要复制到的目标数组的起始位置，length表示复制的个数。

我们在开发时，除了操作一些固定的数字之外，有时候还要操作一些不确定的随机数。Java中给我们提供了两种生成指定范围内随机数的方法：

● 使用Random类：伪随机数类，用来创建伪随机数。所谓伪随机数，就是指我们只要给定一个初始的种子，产生的随机数序列是完全一样的；

● 调用Math类的random()方法：Math.random()内部其实是在调用Random类，它也是伪随机数，但我们无法指定种子。

Random类为我们提供了比较丰富的随机数生成方法，比如nextInt()、nextLong()、nextFloat()、nextDouble()等方法。这些方法可以产生boolean、int、long、float、byte数组以及double类型的随机数，这是它比random()方法更好的地方，random()方法只能产生0~1之间的double类型随机数。

而且Random类提供的所有方法，生成的随机数字都是均匀分布的，也就是说区间内部的数字生成的概率是均等的。Random类位于java.util包中，该类有如下两个常用的构造方法：

● Random()：默认利用当前系统的时间戳作为种子数，使用该种子数构造出Random对象。

● Random(long seed)：使用单个的long类型参数，创建一个新的随机数生成器。

在Random类中，有如下一些常用的API方法供我们操作随机数：

接下来我们通过一个案例，来给大家讲解一下上述方法该如何使用。

但是我们从上面的案例中，会发现每次生成的随机数可能都是不同的，并没有体现出伪随机数的特性，这是为什么呢？其实这是因为我们创建Random实例时，如果没有给定种子，默认是使用系统的当前时间戳作为种子。因此每次运行时，种子都不同，所以得到的伪随机数序列就不同。如果我们在创建Random实例时指定一个固定的种子，就会得到完全确定的随机数序列。

之前给大家说过，Random是一种伪随机数类。这时候就有小伙伴问了，那有没有真随机数类呢？

当然是有的！

SecureRandom就是一种真随机数！

从原理来看，SecureRandom内部使用了RNG (Random Number Generator，随机数生成)算法，来生成一个不可预测的安全随机数。但在JDK的底层，实际上SecureRandom也有多种不同的具体实现。有的是使用安全随机种子加上伪随机数算法来生成安全的随机数，有的是使用真正的随机数生成器来生成随机数。实际使用时，我们可以优先获取高强度的安全随机数生成器；如果没有提供，再使用普通等级的安全随机数生成器。但不管哪种情况，我们都无法指定种子。

因为这个种子是通过CPU的热噪声、读写磁盘的字节、网络流量等各种随机事件产生的“熵”，所以这个种子理论上是不可能会重复的。这也就保证了SecureRandom的安全性，所以最终生成的随机数就是安全的真随机数。

尤其是在密码学中，安全的随机数非常重要。如果我们使用不安全的伪随机数，所有加密体系都将被攻破。因此，为了保证系统的安全，我们尽量使用SecureRandom来产生安全的随机数。

SecureRandom 给我们提供了 nextBoolean()、nextBytes()、nextDouble()、nextFloat()、nextInt() 等随机数生成方法，如下图所示：

接下来我们就通过一个案例，来看看到底该如何生成一个安全的随机数。

至此，就把与系统类、伪随机数、真随机数等相关的类给大家介绍完了，这样我们就把开发时的一些常见类介绍完毕了。今天的重点内容是：

● System：代表着当前Java程序的运行平台，系统级的很多属性和控制方法都放在该类中；

● Random：生成伪随机数；

● SecureRandom：生成安全的真随机数。

往期精彩推荐：

更多技术类干货/IT资讯、关注

本文作者及来源:Renderbus瑞云渲染农场https://www.renderbus.com