Примеры кода модуля random в Python - Подробный Справочник

В данной статье мы рассмотрим процесс генерации случайных данных и чисел в Python. Для этого будет использован модуль random и некоторые другие доступные модули. В Python модуль random реализует генератор псевдослучайных чисел для различных распределений, включая целые и вещественные числа с плавающей запятой.

Содержание

Как использовать модуль random в Python
Генерация случайных чисел в Python
Выбор случайного элемента из списка
Python функции модуля random
Случайное целое число — randint(a, b)
Генерация случайного целого числа — randrange()
Выбор случайного элемента из списка choice()
Метод sample(population, k)
Случайные элементы из списка — choices()
Генератор псевдослучайных чисел — seed()
Перемешивание данных — shuffle()
Генерации числа с плавающей запятой — uniform()
triangular(low, high, mode)
Генератор случайной строки в Python
Криптографическая зашита генератора случайных данных в Python
getstate() и setstate() в генераторе случайных данных Python
Состояние генератора getstate()
Восстанавливает внутреннее состояние генератора — setstate()
Зачем нужны функции getstate() и setstate()
Numpy.random — Генератор псевдослучайных чисел
Генерация случайного n-мерного массива вещественных чисел
Генерация случайного n-мерного массива целых чисел
Выбор случайного элемента из массива чисел или последовательности
Генерация случайных универсально уникальных ID
Игра в кости с использованием модуля random в Python

Список методов модуля random в Python:

Метод	Описание
seed()	Инициализация генератора случайных чисел
getstate()	Возвращает текущее внутренне состояние (state) генератора случайных чисел
setstate()	Восстанавливает внутреннее состояние (state) генератора случайных чисел
getrandbits()	Возвращает число, которое представляет собой случайные биты
randrange()	Возвращает случайное число в пределах заданного промежутка
randint()	Возвращает случайное число в пределах заданного промежутка
choice()	Возвращает случайный элемент заданной последовательности
choices()	Возвращает список со случайной выборкой из заданной последовательности
shuffle()	Берет последовательность и возвращает ее в перемешанном состоянии
sample()	Возвращает заданную выборку последовательности
random()	Возвращает случайное вещественное число в промежутке от 0 до 1
uniform()	Возвращает случайное вещественное число в указанном промежутке
triangular()	Возвращает случайное вещественное число в промежутке между двумя заданными параметрами. Также можно использовать параметр `mode` для уточнения середины между указанными параметрами
betavariate()	Возвращает случайное вещественное число в промежутке между 0 и 1, основываясь на Бета-распределении, которое используется в статистике
expovariate()	Возвращает случайное вещественное число в промежутке между 0 и 1, или же между `0` и `-1`, когда параметр отрицательный. За основу берется Экспоненциальное распределение, которое используется в статистике
gammavariate()	Возвращает случайное вещественное число в промежутке между 0 и 1, основываясь на Гамма-распределении, которое используется в статистике
gauss()	Возвращает случайное вещественное число в промежутке между 0 и 1, основываясь на Гауссовом распределении, которое используется в теории вероятности
lognormvariate()	Возвращает случайное вещественное число в промежутке между 0 и 1, основываясь на Логнормальном распределении, которое используется в теории вероятности
normalvariate()	Возвращает случайное вещественное число в промежутке между 0 и 1, основываясь на Нормальном распределении, которое используется в теории вероятности
vonmisesvariate()	Возвращает случайное вещественное число в промежутке между 0 и 1, основываясь на распределении фон Мизеса, которое используется в направленной статистике
paretovariate()	Возвращает случайное вещественное число в промежутке между 0 и 1, основываясь на распределении Парето, которое используется в теории вероятности
weibullvariate()	Возвращает случайное вещественное число в промежутке между 0 и 1, основываясь на распределении Вейбулла, которое используется в статистике

Цели данной статьи

Далее представлен список основных операций, которые будут описаны в руководстве:

Генерация случайных чисел для различных распределений, которые включают целые и вещественные числа с плавающей запятой;
Случайная выборка нескольких элементов последовательности population;
Функции модуля random;
Перемешивание элементов последовательности. Seed в генераторе случайных данных;
Генерация случайных строки и паролей;
Криптографическое обеспечение безопасности генератора случайных данных при помощи использования модуля secrets. Обеспечение безопасности токенов, ключей безопасности и URL;
Способ настройки работы генератора случайных данных;
Использование numpy.random для генерации случайных массивов;
Использование модуля UUID для генерации уникальных ID.

В статье также даются ссылки на некоторые другие тексты сайта, связанные с рассматриваемой темой.

Как использовать модуль random в Python

Для достижения перечисленных выше задач модуль random будет использовать разнообразные функции. Способы использования данных функций будут описаны в следующих разделах статьи.

Есть вопросы по Python?

На нашем форуме вы можете задать любой вопрос и получить ответ от всего нашего сообщества!

Python Форум Помощи

Telegram Чат & Канал

Вступите в наш дружный чат по Python и начните общение с единомышленниками! Станьте частью большого сообщества!

Чат

Канал

Паблик VK

Одно из самых больших сообществ по Python в социальной сети ВК. Видео уроки и книги для вас!

В самом начале работы необходимо импортировать модуль random в программу. Только после этого его можно будет полноценно использовать. Оператор для импорта модуля random выглядит следующим образом:

import random

1	import random

Теперь рассмотрим использование самого модуля random на простом примере:

import random


print("Вывод случайного числа при помощи использования random.random()")
print(random.random())

import random

print("Вывод случайного числа при помощи использования random.random()")

print(random.random())

Вывод:

Вывод случайного числа при помощи использования random.random()
0.9461613475266107

1 2	Вывод случайного числа при помощи использования random.random() 0.9461613475266107

Как видите, в результате мы получили 0.9461613475266107. У вас, конечно, выйдет другое случайно число.

random() является базовой функцией модуля random;
Почти все функции модуля random зависят от базовой функции random();
random() возвращает следующее случайное число с плавающей запятой в промежутке [0.0, 1.0].

Перед разбором функций модуля random давайте рассмотрим основные сферы их применения.

Генерация случайных чисел в Python

Давайте рассмотрим самый популярный случай использования модуля random — генерацию случайного числа. Для получения случайного целого числа в Python используется функция randint().

Для генерации случайных целых чисел можно использовать следующие две функции:

randint()
randrange()

В следующем примере показано, как получить случайно сгенерированное число в промежутке между 0 и 9.

from random import randint


print("Вывод случайного целого числа ", randint(0, 9))
print("Вывод случайного целого числа ", randrange(0, 10, 2))

from random import randint

print("Вывод случайного целого числа ", randint(0, 9))

print("Вывод случайного целого числа ", randrange(0, 10, 2))

Вывод:

Вывод случайного целого числа 5
Вывод случайного целого числа 2

1 2	Вывод случайного целого числа 5 Вывод случайного целого числа 2

В следующих разделах статьи будут рассмотрены некоторые другие способы генерации случайного числа в Python.

Выбор случайного элемента из списка Python

Предположим, вам дан python список городов, и вы хотите вывести на экран случайно выбранный элемент из списка городов. Посмотрим, как это можно сделать:

import random


city_list = ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Philadelphia']
print("Выбор случайного города из списка - ", random.choice(city_list))

import random

city_list = ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Philadelphia']

print("Выбор случайного города из списка - ", random.choice(city_list))

Вывод:

Выбор случайного города из списка - Houston

1	Выбор случайного города из списка - Houston

Python функции модуля random

Рассмотрим разнообразные функции, доступные в модуле random.

Случайное целое число — randint(a, b) модуль random

Возвращает случайное целое число Number, такое что a <= Number <= b;
randint(a,b) работает только с целыми числами;
Функция randint(a,b) принимает только два параметра, оба обязательны;
Полученное в результате случайно число больше или равно a, а также меньше или равно b.

Пример использования random.randint() в Python:

import random


print("Использование random.randint() для генерации случайного целого числа")
print(random.randint(0, 5))
print(random.randint(0, 5))

import random

print("Использование random.randint() для генерации случайного целого числа")

print(random.randint(0, 5))

Вывод:

Использование random.randint() для генерации случайного целого числа 
4
2

Использование random.randint() для генерации случайного целого числа

Генерация случайного целого числа — randrange() модуль random

Метод random.randrange() используется для генерации случайного целого числа в пределах заданного промежутка. Скажем, для получения любого числа в диапазоне между 10 и 50.

Шаг показывает разницу между каждым числом заданной последовательности. Шаг по умолчанию равен 1, однако его значение можно изменить.

Пример использования random.randrange() в Python:

import random


print("Генерация случайного числа в пределах заданного промежутка")
print(random.randrange(10, 50, 5))
print(random.randrange(10, 50, 5))

import random

print("Генерация случайного числа в пределах заданного промежутка")

print(random.randrange(10, 50, 5))

Вывод:

Генерация случайного числа в пределах заданного промежутка 
10
15

Генерация случайного числа в пределах заданного промежутка

Выбор случайного элемента из списка choice() модуль random

Метод random.choice() используется для выбора случайного элемента из списка. Набор может быть представлен в виде списка или python строки. Метод возвращает один случайный элемент последовательности.

Пример использования random.choice() в Python:

import random


list = [55, 66, 77, 88, 99]
print("random.choice используется для выбора случайного элемента из списка - ", random.choice(list))

import random

list = [55, 66, 77, 88, 99]

print("random.choice используется для выбора случайного элемента из списка - ", random.choice(list))

Вывод:

random.choice используется для выбора случайного элемента из списка - 55

1	random.choice используется для выбора случайного элемента из списка - 55

Метод sample(population, k) из модуля random

Метод random.sample() используется, когда требуется выбрать несколько элементов из заданной последовательности population.

Метод sample() возвращает список уникальных элементов, которые были выбраны из последовательности population. Итоговое количество элементов зависит от значения k;
Значение в population может быть представлено в виде списка или любой другой последовательности.

Пример использования random.sample() в Python:

import random


list = [2, 5, 8, 9, 12]
print ("random.sample() ", random.sample(list,3))

import random

list = [2, 5, 8, 9, 12]

print ("random.sample() ", random.sample(list,3))

Вывод:

random.sample() [5, 12, 2]

1	random.sample() [5, 12, 2]

Случайные элементы из списка — choices() модуль random

random.choices(population, weights=None, *, cum_weights=None, k=1)
Метод random.choices() используется, когда требуется выбрать несколько случайных элементов из заданной последовательности.
Метод choices() был введен в версии Python 3.6. Он также позволяет повторять несколько раз один и тот же элемент.

Пример использования random.choices() в Python:

import random


# Выборка с заменой
list = [20, 30, 40, 50 ,60, 70, 80, 90]
sampling = random.choices(list, k=5)

print("Выборка с методом choices ", sampling)

import random

# Выборка с заменой

list = [20, 30, 40, 50 ,60, 70, 80, 90]

sampling = random.choices(list, k=5)

print("Выборка с методом choices ", sampling)

Вывод:

Выборка с методом choices [30, 20, 40, 50, 40]

1	Выборка с методом choices [30, 20, 40, 50, 40]

Генератор псевдослучайных чисел — seed() модуль random

Метод seed() используется для инициализации генератора псевдослучайных чисел в Python;
Модуль random использует значение из seed, или отправной точки как основу для генерации случайного числа. Если значения seed нет в наличии, тогда система будет отталкиваться от текущего времени.

Пример использования random.seed() в Python:

import random


random.seed(6)
print("Случайное число с семенем ",random.random())

print("Случайное число с семенем ",random.random())

import random

random.seed(6)

print("Случайное число с семенем ",random.random())

Вывод:

Random number with seed  0.793340083761663
Random number with seed  0.793340083761663

1 2	Random number with seed 0.793340083761663 Random number with seed 0.793340083761663

Перемешивание данных — shuffle() из модуля random

Метод random.shuffle() используется для перемешивания данных списка или другой последовательности. Метод shuffle() смешивает элементы списка на месте. Самый показательный пример использования — тасование карт.

Пример использования random.shuffle() в Python:

list = [2, 5, 8, 9, 12]


random.shuffle(list)
print ("Вывод перемешанного списка ", list)

list = [2, 5, 8, 9, 12]

random.shuffle(list)

print ("Вывод перемешанного списка ", list)

Вывод:

Вывод перемешанного списка  [8, 9, 2, 12, 5]

1	Вывод перемешанного списка [8, 9, 2, 12, 5]

Генерации числа с плавающей запятой — uniform() модуль random

random.uniform() используется для генерации числа с плавающей запятой в пределах заданного промежутка
Значение конечной точки может включаться в диапазон, но это не обязательно. Все зависит от округления значения числа с плавающей запятой;
Метод может, например, сгенерировать случайно вещественное число в промежутке между 10.5 и 25.5.

Пример использования random.uniform() в Python:

import random


print("Число с плавающей точкой в пределах заданного промежутка")
print(random.uniform(10.5, 25.5))

import random

print("Число с плавающей точкой в пределах заданного промежутка")

print(random.uniform(10.5, 25.5))

Вывод:

Число с плавающей точкой в пределах заданного промежутка 
22.095283175159786

1 2	Число с плавающей точкой в пределах заданного промежутка 22.095283175159786

triangular(low, high, mode) из модуля random

Функция random.triangular() возвращает случайное вещественное число N с плавающей запятой, которое соответствует условию lower <= N <= upper, а также уточняющему значению mode.

Значение нижнего предела по умолчанию равно нулю, в верхнего — единице. Кроме того, пик аргумента по умолчанию установлен на середине границ, что обеспечивает симметричное распределение.

Функция random.triangular() используется в генерации случайных чисел для треугольного распределения с целью использования полученных значений в симуляции. Это значит, что в при генерации значения применяется треугольное распределение вероятности.

Пример использования random.triangular() в Python:

import random


print("Число с плавающей точкой через triangular")
print(random.triangular(10.5, 25.5, 5.5))

import random

print("Число с плавающей точкой через triangular")

print(random.triangular(10.5, 25.5, 5.5))

Вывод:

Число с плавающей точкой через triangular
16.7421565549115

1 2	Число с плавающей точкой через triangular 16.7421565549115

Генератор случайной строки в Python

В данном разделе будет подробно расписано, как сгенерировать случайную строку фиксированной длины в Python.

Основные аспекты раздела:

Генерация случайной строки фиксированной длины;
Получение случайной алфавитно-цифровой строки, среди элементов которой будут как буквы, так и числа;
Генерация случайного пароля, который будет содержать буквы, цифры и специальный символы.

Криптографическая зашита генератора случайных данных в Python

Случайно сгенерированные числа и данные, полученные при помощи модуля random в Python, лишены криптографической защиты. Следовательно, возникает вопрос — как добиться надежной генерации случайных чисел?

Криптографически надежный генератор псевдослучайных чисел представляет собой генератор чисел, который обладает особенностями, что делают его подходящим для использования в криптографических приложениях, где безопасность данных имеет первостепенное значение.

Все функции криптографически надежного генератора возвращают полученные случайным образом байты;
Значение случайных байтов, полученных в результате использования функции, зависит от источников ОС.
Качество генерации также зависит от случайных источников ОС.

Для обеспечения криптографической надежности генерации случайных чисел можно использовать следующие подходы:

Применение модуля secrets для защиты случайных данных;
Использование из модуля os os.urandom();
Использование класса random.SystemRandom.

Пример криптографически надежной генерации данных в Python:

import random
import secrets


number = random.SystemRandom().random()
print("Надежное число ", number)

print("Надежный токен байтов", secrets.token_bytes(16))

import random

import secrets

number = random.SystemRandom().random()

print("Надежное число ", number)

print("Надежный токен байтов", secrets.token_bytes(16))

Вывод:

Надежное число 0.11139538267693572

Надежный токен байтов b'\xae\xa0\x91*.\xb6\xa1\x05=\xf7+>\r;Y\xc3'

Надежное число 0.11139538267693572

Надежный токен байтов b'\xae\xa0\x91*.\xb6\xa1\x05=\xf7+>\r;Y\xc3'

getstate() и setstate() в генераторе случайных данных Python

Функции getstate() и setstate() модуля random позволяют зафиксировать текущее внутреннее состояние генератора.

Используя данные функции, можно сгенерировать одинаковое количество чисел или последовательностей данных.

Состояние генератора getstate() модуль random

Функция getstate() возвращает определенный объект, зафиксировав текущее внутреннее состояние генератора случайных данных. Данное состояние передается методу setstate() для восстановления полученного состояния в качестве текущего.

На заметку: Изменив значение текущего состояния на значение предыдущего, мы можем получить случайные данные вновь. Например, если вы хотите получить аналогичную выборку вновь, можно использовать данные функции.

Восстанавливает внутреннее состояние генератора — setstate() модуль random

Функция setstate() восстанавливает внутреннее состояние генератора и передает его состоянию объекта. Это значит, что вновь будет использован тот же параметр состояния state. Объект state может быть получен при помощи вызова функции getstate().

Зачем нужны функции getstate() и setstate() ?

Если вы получили предыдущее состояние и восстановили его, тогда вы сможете оперировать одними и теми же случайными данными раз за разом. Помните, что использовать другую функцию random в данном случае нельзя. Также нельзя изменить значения заданных параметров. Сделав это, вы измените значение состояния state.

Для закрепления понимания принципов работы getstate() и setstate() в генераторе случайных данных Python рассмотрим следующий пример:

import random


number_list = [3, 6, 9, 12, 15, 18, 21, 24, 27, 30]

print("Первая выборка ", random.sample(number_list,k=5))

# хранит текущее состояние в объекте state
state = random.getstate()

print("Вторая выборка ", random.sample(number_list,k=5))

# Восстанавливает состояние state, используя setstate
random.setstate(state)

#Теперь будет выведен тот же список второй выборки
print("Третья выборка ", random.sample(number_list,k=5))

# Восстанавливает текущее состояние state
random.setstate(state)

# Вновь будет выведен тот же список второй выборки
print("Четвертая выборка ", random.sample(number_list,k=5))

import random

number_list = [3, 6, 9, 12, 15, 18, 21, 24, 27, 30]

print("Первая выборка ", random.sample(number_list,k=5))

# хранит текущее состояние в объекте state

state = random.getstate()

print("Вторая выборка ", random.sample(number_list,k=5))

# Восстанавливает состояние state, используя setstate

random.setstate(state)

#Теперь будет выведен тот же список второй выборки

print("Третья выборка ", random.sample(number_list,k=5))

# Восстанавливает текущее состояние state

random.setstate(state)

# Вновь будет выведен тот же список второй выборки

print("Четвертая выборка ", random.sample(number_list,k=5))

Вывод:

Первая выборка  [18, 15, 30, 9, 6]
Вторая выборка  [27, 15, 12, 9, 6]
Третья выборка  [27, 15, 12, 9, 6]
Четвертая выборка  [27, 15, 12, 9, 6]

Первая выборка [18, 15, 30, 9, 6]

Вторая выборка [27, 15, 12, 9, 6]

Третья выборка [27, 15, 12, 9, 6]

Четвертая выборка [27, 15, 12, 9, 6]

Как можно заметить в результате вывода — мы получили одинаковые наборы данных. Это произошло из-за сброса генератора случайных данных.

Numpy.random — Генератор псевдослучайных чисел

PRNG является англоязычным акронимом, который расшифровывается как «pseudorandom number generator» — генератор псевдослучайных чисел. Известно, что в Python модуль random можно использовать для генерации случайных скалярных числовых значений и данных.

Для генерации массива случайных чисел необходимо использовать numpy.random();
В модуле numpy есть пакет numpy.random, который содержит обширный набор функций для генерации случайных n-мерных массивов для различных распределений.

Рассмотрим несколько примеров использования numpy.random в Python.

Генерация случайного n-мерного массива вещественных чисел

Использование numpy.random.rand() для генерации n-мерного массива случайных вещественных чисел в пределах [0.0, 1.0)
Использование numpy.random.uniform() для генерации n-мерного массива случайных вещественных чисел в пределах [low, high)

import numpy


random_float_array = numpy.random.rand(2, 2)
print("2 X 2 массив случайных вещественных чисел в [0.0, 1.0] \n", random_float_array,"\n")

random_float_array = numpy.random.uniform(25.5, 99.5, size=(3, 2))
print("3 X 2 массив случайных вещественных чисел в [25.5, 99.5] \n", random_float_array,"\n")

import numpy

random_float_array = numpy.random.rand(2, 2)

print("2 X 2 массив случайных вещественных чисел в [0.0, 1.0] \n", random_float_array,"\n")

random_float_array = numpy.random.uniform(25.5, 99.5, size=(3, 2))

print("3 X 2 массив случайных вещественных чисел в [25.5, 99.5] \n", random_float_array,"\n")

Вывод:

2 X 2 массив случайных вещественных чисел в [0.0, 1.0] 
 [[0.08938593 0.89085866]
 [0.47307169 0.41401363]] 

3 X 2 массив случайных вещественных чисел в [25.5, 99.5] 
 [[55.4057854  65.60206715]
 [91.62185404 84.16144062]
 [44.348252   27.28381058]]

2 X 2 массив случайных вещественных чисел в [0.0, 1.0]

[[0.08938593 0.89085866]

[0.47307169 0.41401363]]

3 X 2 массив случайных вещественных чисел в [25.5, 99.5]

[[55.4057854 65.60206715]

[91.62185404 84.16144062]

[44.348252 27.28381058]]

Генерация случайного n-мерного массива целых чисел

Для генерации случайного n-мерного массива целых чисел используется numpy.random.random_integers():

import numpy


random_integer_array = numpy.random.random_integers(1, 10, 5)
print("1-мерный массив случайных целых чисел \n", random_integer_array,"\n")

random_integer_array = numpy.random.random_integers(1, 10, size=(3, 2))
print("2-мерный массив случайных целых чисел \n", random_integer_array)

import numpy

random_integer_array = numpy.random.random_integers(1, 10, 5)

print("1-мерный массив случайных целых чисел \n", random_integer_array,"\n")

random_integer_array = numpy.random.random_integers(1, 10, size=(3, 2))

print("2-мерный массив случайных целых чисел \n", random_integer_array)

Вывод:

1-мерный массив случайных целых чисел
 [10  1  4  2  1] 

2-мерный массив случайных целых чисел
 [[ 2  6]
 [ 9 10]
 [ 3  6]]

1-мерный массив случайных целых чисел

[10 1 4 2 1]

2-мерный массив случайных целых чисел

[[ 2 6]

[ 9 10]

[ 3 6]]

Выбор случайного элемента из массива чисел или последовательности

Использование numpy.random.choice() для генерации случайной выборки;
Использование данного метода для получения одного или нескольких случайных чисел из n-мерного массива с заменой или без нее.

Рассмотрим следующий пример:

import numpy 


array =[10, 20, 30, 40, 50, 20, 40] 
single_random_choice = numpy.random.choice(array, size=1) 
print("один случайный выбор из массива 1-D", single_random_choice) 

multiple_random_choice = numpy.random.choice(array, size=3, replace=False) 
print("несколько случайных выборов из массива 1-D без замены", multiple_random_choice) 

multiple_random_choice = numpy.random.choice(array, size=3, replace=True) 
print("несколько случайных выборов из массива 1-D с заменой", multiple_random_choice)

import numpy

array =[10, 20, 30, 40, 50, 20, 40]

single_random_choice = numpy.random.choice(array, size=1)

print("один случайный выбор из массива 1-D", single_random_choice)

multiple_random_choice = numpy.random.choice(array, size=3, replace=False)

print("несколько случайных выборов из массива 1-D без замены", multiple_random_choice)

multiple_random_choice = numpy.random.choice(array, size=3, replace=True)

print("несколько случайных выборов из массива 1-D с заменой", multiple_random_choice)

Вывод:

один случайный выбор из массива 1-D [40]
несколько случайных выборов из массива 1-D без замены [10 40 50]
несколько случайных выборов из массива 1-D с заменой [20 20 10]

один случайный выбор из массива 1-D [40]

несколько случайных выборов из массива 1-D без замены [10 40 50]

несколько случайных выборов из массива 1-D с заменой [20 20 10]

В будущих статьях будут описаны другие функции пакета random из nympy и способы их использования.

Генерация случайных универсально уникальных ID

Модуль Python UUID предоставляет неизменяемые UUID объекты. UUID является универсально уникальным идентификатором.

У модуля есть функции для генерации всех версий UUID. Используя функцию uuid.uuid4(), можно получить случайно сгенерированное уникальное ID длиной в 128 битов, которое к тому же является криптографически надежным.

Полученные уникальные ID используются для идентификации документов, пользователей, ресурсов и любой другой информации на компьютерных системах.

Пример использования uuid.uuid4() в Python:

import uuid


# получить уникальный UUID
safeId = uuid.uuid4()
print("безопасный уникальный id ", safeId)

import uuid

# получить уникальный UUID

safeId = uuid.uuid4()

print("безопасный уникальный id ", safeId)

Вывод:

безопасный уникальный id  fb62463a-cd93-4f54-91ab-72a2e2697aff

1	безопасный уникальный id fb62463a-cd93-4f54-91ab-72a2e2697aff

Игра в кости с использованием модуля random в Python

Далее представлен код простой игры в кости, которая поможет понять принцип работы функций модуля random. В игре два участника и два кубика.

Участники по очереди бросают кубики, предварительно встряхнув их;
Алгоритм высчитывает сумму значений кубиков каждого участника и добавляет полученный результат на доску с результатами;
Участник, у которого в результате большее количество очков, выигрывает.

Код программы для игры в кости Python:

import random


PlayerOne = "Анна"
PlayerTwo = "Алекс"

AnnaScore = 0
AlexScore = 0

# У каждого кубика шесть возможных значений
diceOne = [1, 2, 3, 4, 5, 6]
diceTwo = [1, 2, 3, 4, 5, 6]

def playDiceGame():
    """Оба участника, Анна и Алекс, бросают кубик, используя метод shuffle"""

    for i in range(5):
        #оба кубика встряхиваются 5 раз
        random.shuffle(diceOne)
        random.shuffle(diceTwo)
    firstNumber = random.choice(diceOne) # использование метода choice для выбора случайного значения
    SecondNumber = random.choice(diceTwo)
    return firstNumber + SecondNumber

print("Игра в кости использует модуль random\n")

#Давайте сыграем в кости три раза
for i in range(3):
    # определим, кто будет бросать кости первым
    AlexTossNumber = random.randint(1, 100) # генерация случайного числа от 1 до 100, включая 100
    AnnaTossNumber = random.randrange(1, 101, 1) # генерация случайного числа от 1 до 100, не включая 101

    if( AlexTossNumber > AnnaTossNumber):
        print("Алекс выиграл жеребьевку.")
        AlexScore = playDiceGame()
        AnnaScore = playDiceGame()
    else:
        print("Анна выиграла жеребьевку.")
        AnnaScore = playDiceGame()
        AlexScore = playDiceGame()

    if(AlexScore > AnnaScore):
        print ("Алекс выиграл игру в кости. Финальный счет Алекса:", AlexScore, "Финальный счет Анны:", AnnaScore, "\n")
    else:
        print("Анна выиграла игру в кости. Финальный счет Анны:", AnnaScore, "Финальный счет Алекса:", AlexScore, "\n")

import random

PlayerOne = "Анна"

PlayerTwo = "Алекс"

AnnaScore = 0

AlexScore = 0

# У каждого кубика шесть возможных значений

diceOne = [1, 2, 3, 4, 5, 6]

diceTwo = [1, 2, 3, 4, 5, 6]

def playDiceGame():

"""Оба участника, Анна и Алекс, бросают кубик, используя метод shuffle"""

for i in range(5):

#оба кубика встряхиваются 5 раз

random.shuffle(diceOne)

random.shuffle(diceTwo)

firstNumber = random.choice(diceOne) # использование метода choice для выбора случайного значения

SecondNumber = random.choice(diceTwo)

return firstNumber + SecondNumber

print("Игра в кости использует модуль random\n")

#Давайте сыграем в кости три раза

for i in range(3):

# определим, кто будет бросать кости первым

AlexTossNumber = random.randint(1, 100) # генерация случайного числа от 1 до 100, включая 100

AnnaTossNumber = random.randrange(1, 101, 1) # генерация случайного числа от 1 до 100, не включая 101

if( AlexTossNumber > AnnaTossNumber):

print("Алекс выиграл жеребьевку.")

AlexScore = playDiceGame()

AnnaScore = playDiceGame()

else:

print("Анна выиграла жеребьевку.")

AnnaScore = playDiceGame()

AlexScore = playDiceGame()

if(AlexScore > AnnaScore):

print ("Алекс выиграл игру в кости. Финальный счет Алекса:", AlexScore, "Финальный счет Анны:", AnnaScore, "\n")

else:

print("Анна выиграла игру в кости. Финальный счет Анны:", AnnaScore, "Финальный счет Алекса:", AlexScore, "\n")

Вывод:

Игра в кости использует модуль random

Анна выиграла жеребьевку.
Анна выиграла игру в кости. Финальный счет Анны: 5 Финальный счет Алекса: 2 

Анна выиграла жеребьевку.
Анна выиграла игру в кости. Финальный счет Анны: 10 Финальный счет Алекса: 2 

Алекс выиграл жеребьевку.
Анна выиграла игру в кости. Финальный счет Анны: 10 Финальный счет Алекса: 8

Игра в кости использует модуль random

Анна выиграла жеребьевку.

Анна выиграла игру в кости. Финальный счет Анны: 5 Финальный счет Алекса: 2

Анна выиграла жеребьевку.

Анна выиграла игру в кости. Финальный счет Анны: 10 Финальный счет Алекса: 2

Алекс выиграл жеребьевку.

Анна выиграла игру в кости. Финальный счет Анны: 10 Финальный счет Алекса: 8

Вот и все. Оставить комментарии можете в секции ниже.

Vasile Buldumac

Являюсь администратором нескольких порталов по обучению языков программирования Python, Golang и Kotlin. В составе небольшой команды единомышленников, мы занимаемся популяризацией языков программирования на русскоязычную аудиторию. Большая часть статей была адаптирована нами на русский язык и распространяется бесплатно.

E-mail: vasile.buldumac@ati.utm.md

Образование
Universitatea Tehnică a Moldovei (utm.md)

2014 — 2018 Технический Университет Молдовы, ИТ-Инженер. Тема дипломной работы «Автоматизация покупки и продажи криптовалюты используя технический анализ»
2018 — 2020 Технический Университет Молдовы, Магистр, Магистерская диссертация «Идентификация человека в киберпространстве по фотографии лица»