Python 的 random.triangular 函数可用于生成一个指定区间内的随机浮点数，该函数的具体作用是在指定的区间范围内随机生成一个符合三角分布的浮点数。三角分布是一种概率分布，它以一个值为中心点，向两侧呈现一条坡度较缓的曲线。这种分布通常用于表示具有明确上限和下限的随机变量。
下面我们看一下 random.triangular 函数的使用方法和实例演示。
random.triangular 函数语法
random.triangular(low, high, mode=None)
该函数接受三个参数：
- low： 三角分布区间的上限；
- high： 三角分布区间的下限；
- mode：指定三角分布的峰值，即分布函数的最高点位置。
其中，mode 参数默认为 None，表示三角分布的峰值位于指定区间的中心位置。否则，我们必须指定一个处于 low 和 high 之间的值来作为峰值。
该函数返回一个符合三角分布的随机浮点数。
random.triangular 函数实例演示
下面我们通过一些实例来进一步理解 random.triangular 函数的使用方法。
例 1：生成一个随机的三角形得分
假设我们要模拟制作一个三角形测验，在这个测验中，学生需要给出一个 1 到 10 之间的得分。我们可以使用 random.triangular 函数来生成这个得分。在这个例子中，我们可以将得分的最低和最高限制设为 1 和 10，将峰值(即最有可能获得的得分)设为 6，来模拟学生在这个测试上的得分情况。代码如下：
import random
score = random.triangular(1, 10, 6)
print("你的得分是：", score)输出的结果可能如下所示：
你的得分是： 6.640227756434362例 2：比较 random.triangular 和 random.uniform 的不同
相信很多同学在使用 random.triangular 之前都使用过 random.uniform 函数来生成随机浮点数。两者在实现效果上很相似，都是在指定的区间范围内生成随机浮点数。不同点在于如何在该范围内生成随机数。
random.uniform 生成的是“均匀分布”的随机数，即该区间内的每个值都有相同的概率被选中；而 random.triangular 生成的是“三角形分布”的随机数，即值在峰值处的选中概率最大，两侧的选择概率逐渐变小。我们可以通过比较两者生成的随机数的分布特征来理解它们之间的不同之处。
代码如下：
import numpy as np
import random
import matplotlib.pyplot as plt
# 用 uniform 函数生成 1000 个随机数
uniform_data = [random.uniform(0, 50) for _ in range(1000)]
# 用 triangular 函数生成 1000 个随机数
triangular_data = [random.triangular(0, 50, 25) for _ in range(1000)]
# 绘制直方图
plt.hist(uniform_data, bins=50, alpha=0.5, label='uniform data')
plt.hist(triangular_data, bins=50, alpha=0.5, label='triangular data')
plt.legend(loc='upper right')
plt.show()运行结果图如下所示：
通过结果图我们可以看到，频数图的峰值位置，均值，标准差等统计特征呈现出明显的区别。因此我们在使用的时候需要根据实际需求灵活选择。
总结
本文详细讲解了 Python 的 random.triangular 函数的作用和使用方法，并通过实例演示进行了解析。random.triangular 函数可用于生成符合三角分布的随机浮点数，其区间上下限和峰值都可以指定。和 random.uniform 函数相比，random.triangular 函数可根据实际需求灵活选择。
本文链接：https://my.lmcjl.com/post/18873.html
4 评论