Python随机浮点数案例如何生成

本文目录导读：

1. 使用 random 模块
2. 控制精度
3. 实际应用案例
4. 高级随机数生成
5. 实用函数封装

我来为你详细介绍Python生成随机浮点数的几种常用方法：

使用 random 模块

基础方法

import random
# 生成 [0.0, 1.0) 之间的随机浮点数
num1 = random.random()
print(f"random(): {num1}")
# 生成指定范围内随机浮点数 [a, b]
num2 = random.uniform(1.5, 5.5)
print(f"uniform(1.5, 5.5): {num2}")
# 生成多个随机浮点数
numbers = [random.uniform(0, 10) for _ in range(5)]
print(f"5个随机数: {numbers}")

控制精度

import random
# 保留2位小数
num = round(random.uniform(10, 20), 2)
print(f"保留2位小数: {num}")
# 保留3位小数
num = round(random.uniform(100, 200), 3)
print(f"保留3位小数: {num}")
# 生成特定位数的随机浮点数
def random_float_precision(start, end, decimal_places=2):
    return round(random.uniform(start, end), decimal_places)
print(f"自定义精度: {random_float_precision(0, 1, 4)}")

实际应用案例

案例1：温度传感器模拟

import random
import time
def simulate_temperature_sensor():
    """模拟温度传感器读数"""
    base_temp = 25.0  # 基准温度
    for _ in range(5):
        # 添加随机波动 (-2.0, 2.0)
        temperature = base_temp + random.uniform(-2.0, 2.0)
        temperature = round(temperature, 1)
        print(f"当前温度: {temperature}°C")
        time.sleep(0.5)  # 模拟读取间隔
simulate_temperature_sensor()

案例2：股价波动模拟

import random
def simulate_stock_prices():
    """模拟股票价格变化"""
    price = 100.0
    prices = []
    for _ in range(10):
        # 价格波动范围 -5% 到 +5%
        change = price * random.uniform(-0.05, 0.05)
        price += change
        price = round(price, 2)
        prices.append(price)
    return prices
stock_prices = simulate_stock_prices()
print(f"模拟股价变化: {stock_prices}")
print(f"最高价: {max(stock_prices)}")
print(f"最低价: {min(stock_prices)}")

案例3：机器学习数据生成

import random
def generate_training_data(samples=5):
    """生成机器学习训练数据"""
    data = []
    for _ in range(samples):
        # 生成特征 (x, y) 和标签
        x = round(random.uniform(0, 10), 2)
        y = round(random.uniform(0, 10), 2)
        # 基于特征计算标签 (加入噪声)
        label = round(3*x + 2*y + random.gauss(0, 1), 2)
        data.append({
            'features': (x, y),
            'label': label
        })
    return data
training_data = generate_training_data()
for i, sample in enumerate(training_data):
    print(f"样本 {i+1}: 特征={sample['features']}, 标签={sample['label']}")

案例4：游戏物理引擎

import random
class Particle:
    """简单粒子系统"""
    def __init__(self):
        self.x = random.uniform(0, 100)
        self.y = random.uniform(0, 100)
        self.vx = random.uniform(-2, 2)
        self.vy = random.uniform(-2, 2)
        self.life = random.uniform(0.5, 2.0)  # 粒子生命周期
    def update(self):
        self.x += self.vx
        self.y += self.vy
        self.life -= 0.1
    def is_alive(self):
        return self.life > 0
# 创建粒子系统
particles = [Particle() for _ in range(5)]
for i, particle in enumerate(particles):
    print(f"粒子{i+1}: 位置({particle.x:.2f}, {particle.y:.2f}), 生命周期: {particle.life:.2f}")

高级随机数生成

import random
import numpy as np
# 使用numpy生成随机浮点数
np_random = np.random.uniform(0, 1, 5)
print(f"NumPy随机数: {np_random}")
# 生成服从正态分布的随机浮点数
normal_random = [random.gauss(0, 1) for _ in range(5)]
print(f"正态分布随机数: {normal_random}")
# 生成服从指数分布的随机浮点数
exponential_random = [random.expovariate(1.0) for _ in range(5)]
print(f"指数分布随机数: {exponential_random}")

实用函数封装

import random
from typing import List, Tuple
class RandomFloatGenerator:
    """随机浮点数生成器类"""
    @staticmethod
    def between(start: float, end: float, decimals: int = None) -> float:
        """生成指定范围的随机浮点数"""
        num = random.uniform(start, end)
        if decimals is not None:
            num = round(num, decimals)
        return num
    @staticmethod
    def list_between(start: float, end: float, count: int, 
                     decimals: int = None) -> List[float]:
        """生成多个随机浮点数"""
        return [RandomFloatGenerator.between(start, end, decimals) 
                for _ in range(count)]
    @staticmethod
    def with_probability(probability: float) -> bool:
        """按概率返回True/False"""
        return random.random() < probability
# 使用示例
gen = RandomFloatGenerator()
print(f"5-10之间的随机数: {gen.between(5, 10, 2)}")
print(f"3个0-1之间的随机数: {gen.list_between(0, 1, 3, 4)}")
print(f"70%概率返回True: {gen.with_probability(0.7)}")

这些案例涵盖了Python生成随机浮点数的常见场景，你可以根据具体需求选择合适的方法。random.uniform() 是最通用的选择，而 random.random() 则适用于需要 [0, 1) 范围的情况。