百度360必应搜狗淘宝本站头条
当前位置:网站首页 > IT知识 > 正文

如何在 Python 中随机排列列表元素

liuian 2025-02-18 12:23 11 浏览

在本教程中,我们将学习在 Python 中如何打乱列表元素顺序,随机排列列表元素。如何随机排列列表是一项非常有用的技能。它在开发需要选择随机结果游戏中非常有用。它还适用于数据相关的工作中,可能需要提取随机结果。

.shuffle 和 .sample 有什么区别?

Python 有一个非常有用的库来生成随机数,称为 random 我们将使用 random.shuffle() 和 random.sample() 函数来随机排列列表元素。在我们研究如何使用它们之前,让我们快速了解它们之间的差异。

random.shuffle() 和 random.sample() 这两个函数都返回一个随机排序的列表,但它们返回它们的方式是不同的:

random.shuffle():随机排列原始列表。

random.sample():返回基于原始列表的新随机列表。

random.sample()也可用于随机排列字符串和元组,它会创建一个新列表。

使用 random.shuffle() 随机排列列表元素

shuffle() 函数直接将序列的所有元素随机排序,没有返回值。

「shuffle() 语法格式:」

import random

random.shuffle(lst)

import random
list1 = [1, 2, 3, 4, 5, 6]
random.shuffle(list1)
print(list1)

使用 random.sample() 随机排列列表元素

sample() 返回一个从序列即列表、元组、字符串或集合中选择的特定长度的项目列表。用于无替换的随机抽样。

「sample() 语法格式:」

import random

random.sample(sequence, k)

「参数:」

sequence: 可以是一个列表,元组,字符串,或集合。

k: 一个整数值,它指定一个样本的长度。

返回:从序列中选择k长度的元素的新列表。

import random
list1 = [1, 2, 3, 4, 5, 6]
list2 = random.sample(list1, len(list1))
print(list2)

使用 random.seed() 固定随机排列结果

seed() 方法改变随机数生成器的种子,可以在调用其他随机模块函数之前调用此函数。

调用 random.random() 生成随机数时,每一次生成的数都是随机的。但是,当我们预先使用 random.seed(x) 设定好种子之后,其中的 x 可以是任意数字,如1,这个时候,先调用它的情况下,使用 random() 生成的随机数将会是同一个。

import random
list1 = [1, 2, 3, 4, 5, 6]
random.seed(1)
for i in range(5):
    random.shuffle(list1)
    print(list1)
# 输出:
[3, 4, 6, 1, 5, 2]
[3, 4, 6, 5, 2, 1]
[6, 1, 2, 5, 3, 4]
[4, 1, 2, 6, 3, 5]
[5, 6, 3, 4, 1, 2]

随机排列列表的子列表

在 Python 中,你经常会遇到多维列表,我们可以使用 for 循环访问列表列表中的每子列表,使用 shuffle() 函数来随机排列每个子列表的元素。

import random
list1 = [[1, 2], [3, 4], [5, 6]]
for i in list1:
    random.shuffle(i)
print(list1)

以相同的随机顺序排列多个列表

假设有两个列表:一个包含水果,另一个包含该水果的数量。对列表进行随机排列,但希望,两者一一对应。为了实现这一点,我们使用 zip() 函数将两个列表合并,然后随机排列列表。

import random
list1 = ['apples', 'grapes', 'oranges', 'bananas']
list2 = [50, 40, 60, 70]
list3 = list(zip(list1, list2))
random.shuffle(list3)
list1 = [item[0] for item in list3]
list2 = [item[1] for item in list3]
print(list1)
print(list2)

?

文章创作不易,如果您喜欢这篇文章,请关注、点赞并分享给朋友。如有意见和建议,请在评论中反馈!

?

相关推荐

GANs为何引爆机器学习?这篇基于TensorFlow的实例教程为你解惑!

「机器人圈导览」:生成对抗网络无疑是机器学习领域近三年来最火爆的研究领域,相关论文层出不求,各种领域的应用层出不穷。那么,GAN到底如何实践?本文编译自Medium,该文作者以一朵玫瑰花为例,详细阐...

高丽大学等机构联合发布StarGAN:可自定义表情和面部特征

原文来源:arXiv、GitHub作者:YunjeyChoi、MinjeChoi、MunyoungKim、Jung-WooHa、SungKim、JaegulChoo「雷克世界」编译:嗯~...

TensorFlow和PyTorch相继发布最新版,有何变化

原文来源:GitHub「机器人圈」编译:嗯~阿童木呀、多啦A亮Tensorflow主要特征和改进在Tensorflow库中添加封装评估量。所添加的评估量列表如下:1.深度神经网络分类器(DNNCl...

「2022 年」崔庆才 Python3 爬虫教程 - 深度学习识别滑动验证码缺口

上一节我们使用OpenCV识别了图形验证码躯壳欧。这时候就有朋友可能会说了,现在深度学习不是对图像识别很准吗?那深度学习可以用在识别滑动验证码缺口位置吗?当然也是可以的,本节我们就来了解下使用深度...

20K star!搞定 LLM 微调的开源利器

LLM(大语言模型)微调一直都是老大难问题,不仅因为微调需要大量的计算资源,而且微调的方法也很多,要去尝试每种方法的效果,需要安装大量的第三方库和依赖,甚至要接入一些框架,可能在还没开始微调就已经因为...

大模型DeepSeek本地部署后如何进行自定义调整?

1.理解模型架构a)查看深度求索官方文档或提供的源代码文件,了解模型的结构、输入输出格式以及支持的功能。模型是否为预训练权重?如果是,可以在预训练的基础上进行微调(Fine-tuning)。是否需要...

因配置不当,约5000个AI模型与数据集在公网暴露

除了可访问机器学习模型外,暴露的数据还可能包括训练数据集、超参数,甚至是用于构建模型的原始数据。前情回顾·人工智能安全动态向ChatGPT植入恶意“长期记忆”,持续窃取用户输入数据多模态大语言模型的致...

基于pytorch的深度学习人员重识别

基于pytorch的深度学习人员重识别Torchreid是一个库。基于pytorch的深度学习人员重识别。特点:支持多GPU训练支持图像的人员重识别与视频的人员重识别端到端的训练与评估简单的re...

DeepSeek本地部署:轻松训练你的AI模型

引言:为什么选择本地部署?在AI技术飞速发展的今天,越来越多的企业和个人希望将AI技术应用于实际场景中。然而,对于一些对数据隐私和计算资源有特殊需求的用户来说,云端部署可能并不是最佳选择。此时,本地部...

谷歌今天又开源了,这次是Sketch-RNN

前不久,谷歌公布了一项最新技术,可以教机器画画。今天,谷歌开源了代码。在我们研究其代码之前,首先先按要求设置Magenta环境。(https://github.com/tensorflow/magen...

Tensorflow 使用预训练模型训练的完整流程

前面已经介绍了深度学习框架Tensorflow的图像的标注和训练数据的准备工作,本文介绍一下使用预训练模型完成训练并导出训练的模型。1.选择预训练模型1.1下载预训练模型首先需要在Tensorf...

30天大模型调优学习计划(30分钟训练大模型)

30天大模型调优学习计划,结合Unsloth和Lora进行大模型微调,掌握大模型基础知识和调优方法,熟练应用。第1周:基础入门目标:了解大模型基础并熟悉Unsloth等工具的基本使用。Day1:大模...

python爬取喜马拉雅音频,json参数解析

一.抓包分析json,获取加密方式1.抓包获取音频界面f12打开抓包工具,播放一个(非vip)视频,点击“媒体”单击打开可以复制URL,发现就是我们要的音频。复制“CKwRIJEEXn-cABa0Tg...

五、JSONPath使用(Python)(json数据python)

1.安装方法pipinstalljsonpath2.jsonpath与Xpath下面表格是jsonpath语法与Xpath的完整概述和比较。Xpathjsonpath概述/$根节点.@当前节点...

Python网络爬虫的时候json=就是让你少写个json.dumps()

大家好,我是皮皮。一、前言前几天在Python白银交流群【空翼】问了一个Python网络爬虫的问题,提问截图如下:登录请求地址是这个:二、实现过程这里【甯同学】给了一个提示,如下所示:估计很多小伙伴和...