整型(int) - 通常被称为是整型或整数,是正或负整数,不带小数点。Python3 整型是没有限制大小的,可以当作 Long 类型使用,所以 Python3 没有 Python2 的 Long 类型。布尔(bool)是整型的子类型。
浮点型(float) - 浮点型由整数部分与小数部分组成,浮点型也可以使用科学计数法表示(2.5e2 = 2.5 x 10² = 250)
复数( (complex)) - 复数由实数部分和虚数部分构成,可以用a + bj,或者complex(a,b)表示, 复数的实部a和虚部b都是浮点型。

我们可以使用十六进制和八进制来代表整数:

>>> number = 0xA0F # 十六进制
>>> number
2575
>>> number=0o37 # 八进制
>>> number
31

int	float	complex
10	0.0	3.14j
100	15.20	45.j
-786	-21.9	9.322e-36j
080	32.3e+18	.876j
-0490	-90.	-.6545+0J
-0x260	-32.54e100	3e+26J
0x69	70.2E-12	4.53e-7j

Python支持复数,复数由实数部分和虚数部分构成,可以用a + bj,或者complex(a,b)表示, 复数的实部a和虚部b都是浮点型。

Python 数字类型转换

有时候,我们需要对数据内置的类型进行转换,数据类型的转换,你只需要将数据类型作为函数名即可。

int(x) 将x转换为一个整数。
float(x) 将x转换到一个浮点数。
complex(x) 将x转换到一个复数,实数部分为 x,虚数部分为 0。
complex(x, y) 将 x 和 y 转换到一个复数,实数部分为 x,虚数部分为 y。x 和 y 是数字表达式。

以下实例将浮点数变量 a 转换为整数:

>>> a = 1.0
>>> int(a)
1

Python 数字运算

Python 解释器可以作为一个简单的计算器,您可以在解释器里输入一个表达式,它将输出表达式的值。

表达式的语法很直白: +, -, * 和 /, 和其它语言(如Pascal或C)里一样。例如:

>>> 2 + 2
4
>>> 50 - 5*6
20
>>> (50 - 5*6) / 4
5.0
>>> 8 / 5 # 总是返回一个浮点数
1.6

注意:在不同的机器上浮点运算的结果可能会不一样。

在整数除法中,除法 / 总是返回一个浮点数,如果只想得到整数的结果,丢弃可能的分数部分,可以使用运算符 // :

>>> 17 / 3 # 整数除法返回浮点型
5.666666666666667
>>>
>>> 17 // 3 # 整数除法返回向下取整后的结果
5
>>> 17 % 3 # %操作符返回除法的余数
2
>>> 5 * 3 + 2 
17

注意:// 得到的并不一定是整数类型的数,它与分母分子的数据类型有关系。

>>> 7//2
3
>>> 7.0//2
3.0
>>> 7//2.0
3.0
>>>

等号 = 用于给变量赋值。赋值之后,除了下一个提示符,解释器不会显示任何结果。

>>> width = 20
>>> height = 5*9
>>> width * height
900

Python 可以使用 ** 操作来进行幂运算:

>>> 5 ** 2 # 5 的平方
25
>>> 2 ** 7 # 2的7次方
128

变量在使用前必须先"定义"(即赋予变量一个值),否则会出现错误:

>>> n # 尝试访问一个未定义的变量
Traceback (most recent call last):
 File "<stdin>", line 1, in <module>
NameError: name 'n' is not defined

不同类型的数混合运算时会将整数转换为浮点数:

>>> 3 * 3.75 / 1.5
7.5
>>> 7.0 / 2
3.5

在交互模式中,最后被输出的表达式结果被赋值给变量 _ 。例如:

>>> tax = 12.5 / 100
>>> price = 100.50
>>> price * tax
12.5625
>>> price + _
113.0625
>>> round(_, 2)
113.06

此处, _ 变量应被用户视为只读变量。

数学函数

函数	返回值 ( 描述 )
abs(x)	返回数字的绝对值,如abs(-10) 返回 10
ceil(x)	返回数字的上入整数,如math.ceil(4.1) 返回 5
cmp(x, y)	如果 x < y 返回 -1, 如果 x == y 返回 0, 如果 x > y 返回 1。 Python 3 已废弃,使用 (x>y)-(x<y) 替换。
exp(x)	返回e的x次幂(e^x),如math.exp(1) 返回2.718281828459045
fabs(x)	以浮点数形式返回数字的绝对值,如math.fabs(-10) 返回10.0
floor(x)	返回数字的下舍整数,如math.floor(4.9)返回 4
log(x)	如math.log(math.e)返回1.0,math.log(100,10)返回2.0
log10(x)	返回以10为基数的x的对数,如math.log10(100)返回 2.0
max(x1, x2,...)	返回给定参数的最大值,参数可以为序列。
min(x1, x2,...)	返回给定参数的最小值,参数可以为序列。
modf(x)	返回x的整数部分与小数部分,两部分的数值符号与x相同,整数部分以浮点型表示。
pow(x, y)	x**y 运算后的值。
round(x [,n])	返回浮点数 x 的四舍五入值,如给出 n 值,则代表舍入到小数点后的位数。其实准确的说是保留值将保留到离上一位更近的一端。
sqrt(x)	返回数字x的平方根。

随机数函数

随机数可以用于数学,游戏,安全等领域中,还经常被嵌入到算法中,用以提高算法效率,并提高程序的安全性。

Python包含以下常用随机数函数:

函数	描述
choice(seq)	从序列的元素中随机挑选一个元素,比如random.choice(range(10)),从0到9中随机挑选一个整数。
randrange ([start,] stop [,step])	从指定范围内,按指定基数递增的集合中获取一个随机数,基数默认值为 1
random()	随机生成下一个实数,它在[0,1)范围内。
seed([x])	改变随机数生成器的种子seed。如果你不了解其原理,你不必特别去设定seed,Python会帮你选择seed。
shuffle(lst)	将序列的所有元素随机排序
uniform(x, y)	随机生成下一个实数,它在[x,y]范围内。

三角函数

Python包括以下三角函数:

函数	描述
acos(x)	返回x的反余弦弧度值。
asin(x)	返回x的反正弦弧度值。
atan(x)	返回x的反正切弧度值。
atan2(y, x)	返回给定的 X 及 Y 坐标值的反正切值。
cos(x)	返回x的弧度的余弦值。
hypot(x, y)	返回欧几里德范数 sqrt(xx + yy)。
sin(x)	返回的x弧度的正弦值。
tan(x)	返回x弧度的正切值。
degrees(x)	将弧度转换为角度,如degrees(math.pi/2) , 返回90.0
radians(x)	将角度转换为弧度

数学常量

常量	描述
pi	数学常量 pi(圆周率,一般以π来表示)
e	数学常量 e,e即自然常数(自然常数)。

AI 思考中...

Python3 注释

Python3 字符串

19 篇笔记写笔记

#0
happy_ing
115***[email protected]
391
文中对于 _ 提到,它代表了上一次的输出结果,"用户应该将其视为只读变量",实际情况是你也可以对于_ 赋值,_=10 是没有毛病的,但这样的结果会导致你在之后调用 _ 的时候全部变成了10,除非你 del _。

对于round:
```
>>> round(10.5)
10
>>> round(11.5)
12
>>>
```
Python 所谓的奇进偶弃,因为浮点数的表示在计算机中并不准确,用的时候可能要注意一下。

还可以参考这篇文章: Python 中关于 round 函数的小坑
happy_ing
happy_ing
115***[email protected]
9年前 (2017年09月06日)

我无所谓

125***[email protected]

103

python 不支持复数转换为整数或浮点数

>>> float(4.5+0j)
Traceback (most recent call last):
 File "<pyshell#5>", line 1, in <module>
 float(4.5+0j)
TypeError: can't convert complex to float
>>> int(4+0j)
Traceback (most recent call last):
 File "<pyshell#6>", line 1, in <module>
 int(4+0j)
TypeError: can't convert complex to int
>>>

我无所谓

125***[email protected]

9年前 (2017年11月08日)

#0
searchsulin
sea***[email protected]
163
随机数函数中缺少 randint,sample

random.randint(x,y) #随机生一个整数int类型,可以指定这个整数的范围

实例
```
>>> random.randint(1000,9999)
8449
```
random.sample(sequence,length) 可以从指定的序列中,随机的截取指定长度的片断,不修改原序列。

实例
```
>>> lst = random.sample('abcd1234',4)
>>> strs = ''.join(lst)
>>> strs
'a432'
>>>
```
searchsulin
sea***[email protected]
9年前 (2017年11月10日)
#0
DZ_小白王子
dz_***[email protected]
202
由于上面大神的提出,我又看了一下
```
print(round(10.4)) #10
print(round(10.5)) #10
print(round(10.6)) #11
print()
print(round(11.4)) #11
print(round(11.5)) #12
print(round(11.6)) #12
```
由运行得出结论:
1. 当小数点左边为偶数:小数点右边X<6,舍
2. 当小数点左边为偶数:小数点右边X>=6,入
3. 当小数点左边为奇数:小数点右边X<5,舍
4. 当小数点左边为奇数:小数点右边X>=5,入
所以当小数点左边分别为奇数和偶数的时候,小数点右边的取舍也分别对应两种取舍标准
这是个坑啊!不知道小数点后两位是怎样的,有兴趣的小伙伴可以试一下,记得@我,谢谢!
DZ_小白王子
dz_***[email protected]
9年前 (2017年12月29日)
#0
春天的诗
he_***[email protected]
107
关于round,接力分析,结论如下:

当个位为奇数,小数部分>=0.5入,其余为舍

当个位为偶数,小数部分>0.5入,其余为舍。

交互模式下的 example:
```
>>> round(10.49)
10
>>> round(10.50)
10
>>> round(10.51)
11
>>> round(11.50)
12
>>> round(11.49)
11
```
春天的诗
he_***[email protected]
9年前 (2018年01月14日)
#0
刘亚彬
100***[email protected]
参考地址
329
"4舍6入5看齐,奇进偶不进"我觉得并不是因为浮点数在计算机表示的问题。计算机浮点数的表示是 ieee 定义的标准规则,如果 python 中存在,没道理其他语言中不存在。事实上是因为该取舍方法比过去的 "四舍五入" 方法在科学计算中更准确。而国家标准也已经规定使用 "4舍6入5看齐,奇进偶不进" 取代"四舍五入".
从统计学的角度上来讲,如果大量数据无脑的采用四舍五入会造成统计结果偏大。而"奇进偶舍"可以将舍入误差降到最低。

奇进偶舍是一种比较精确比较科学的计数保留法,是一种数字修约规则。

其具体要求如下(以保留两位小数为例):
- (1)要求保留位数的后一位如果是4或者4以下的数字,则舍去, 例如 5.214保留两位小数为5.21。
- (2)如果保留位数的后一位如果是6或者6以上的数字,则进上去, 例如5.216保留两位小数为5.22。
- (3)如果保留位数是保留整数部分或保留一位小数,则要根据保留位来决定奇进偶舍:
```
>>> round(5.215,2)#实际并没有进位
5.21
>>> round(5.225,2)
5.22
>>>
>>> round(1.5)#此处进位
2
>>> round(1.5)==round(2.5)#偶数舍去
True
>>> round(1.15,1)
1.1
>>> round(1.25,1)
1.2
>>> round(1.151,1)
1.2
>>> round(1.251,1)
1.3
```
- (4) 如果保留位数的后一位如果是5,且该位数后有数字。则进上去,例如5.2152保留两位小数为5.22,5.2252保留两位小数为5.23,5.22500001保留两位小数为5.23。
从统计学的角度,"奇进偶舍"比"四舍五入"要科学,在大量运算时,它使舍入后的结果误差的均值趋于零,而不是像四舍五入那样逢五就入,导致结果偏向大数,使得误差产生积累进而产生系统误差,"奇进偶舍"使测量结果受到舍入误差的影响降到最低。
刘亚彬
100***[email protected]
参考地址
9年前 (2018年01月17日)
#0
LL_NUAA
261***[email protected]
42
针对前面有人提到复数不能强转为int或者float的问题:

其实在Python中,复数提供了2个函数,一个函数是real,返回复数的实数部分,另一个函数是imag,返回复数的虚数部分。因为实数跟复数是差异很大的类型,所以不支持强制转换是可以理解的。因为在强制转换过程中,虚数部分到底该怎么转换,是没有定义的,而int和float只有实数部分,虚数部分该如何取舍?
```
>>> a = 4.1+0.3j
>>> a
(4.1+0.3j)
>>> a.real
4.1
>>> a.imag
0.3
```
LL_NUAA
261***[email protected]
9年前 (2018年01月22日)

zxiaoj0823

zxi***[email protected]

参考地址

Python3中已经不能使用cmp()函数了,被如下五个函数替代:

import operator #首先要导入运算符模块
operator.gt(1,2) #意思是greater than(大于)
operator.ge(1,2) #意思是greater and equal(大于等于)
operator.eq(1,2) #意思是equal(等于)
operator.le(1,2) #意思是less and equal(小于等于)
operator.lt(1,2) #意思是less than(小于)

zxiaoj0823

zxi***[email protected]

参考地址

9年前 (2018年01月25日)

#0
宗七七
zon***[email protected]
50
fractions 模块提供了分数类型的支持。
构造函数:
```
class fractions.Fraction(numerator=0, denominator=1) 
class fractions.Fraction(int|float|str|Decimal|Fraction)
```
可以同时提供分子(numerator)和分母(denominator)给构造函数用于实例化Fraction类,但两者必须同时是int类型或者numbers.Rational类型,否则会抛出类型错误。当分母为0,初始化的时候会导致抛出异常ZeroDivisionError。

分数类型:
```
from fractions import Fraction
>>> x=Fraction(1,3)
>>> y=Fraction(4,6)
>>> x+y
Fraction(1, 1)
>>> Fraction('.25') 
Fraction(1, 4)
```
浮点数与分数的转换:
```
>>> f=2.5
>>> z=Fraction(*f.as_integer_ratio())
>>> z
Fraction(5, 2)
>>> x=Fraction(1,3)
>>> float(x)
0.3333333333333333
>>>
```
宗七七
宗七七
zon***[email protected]
8年前 (2018年03月11日)

宗七七

zon***[email protected]

小数对象:

decimal 模块提供了一个 Decimal 数据类型用于浮点数计算,拥有更高的精度。

>>> import decimal
>>> decimal.getcontext().prec=4 # 指定精度(4位小数)
>>> decimal.Decimal(1) / decimal.Decimal(7)
Decimal('0.1429')
>>> with decimal.localcontext() as ctx: # 小数上下文管理器
... ctx.prec=2
... decimal.Decimal('1.00') / decimal.Decimal('3.00')
... 
Decimal('0.33')
>>>

宗七七

zon***[email protected]

8年前 (2018年03月11日)

#0
mqslllduoduo
494***[email protected]
86
关于Python整数比较的一些坑:
Python中一切都是对象,对象比较可以用 == 或者 is。
== 比较的是两个对象的内容是否相等,默认会调用对象的 __eq__() 方法。

is 比较的是两个对象的 id 是否相等,也就是是否是同一个对象,是否指向同一个内存地址。
```
>>> a = 4
>>> b = 4
>>> a == b
True
>>> a is b
True
>>> a = 256
>>> b = 256
>>> a == b
True
>>> a is b
True
>>> a = 257
>>> b = 257
>>> a == b
True
>>> a is b
False
```
我们看到,前几组比较我们都可以理解显示的结果,但是最后当 a/b 都指向 257 这个整数对象的时候,用 is 比较以后的结果是 False。

这是因为 Python 处于对性能的考虑,内部作了优化,对于整数对象,把一些频繁使用的整数对象缓存起来,保存到一个叫 small_ints 的链表中。

在 Python 整个生命周期中,任何需要引用这些整数对象的地方,都不再重新创建新的整数对象,范围是 [-5,256]。

再看下面这个例子 :
```
>>> a = 259
>>> def foo () :
... b = 259
... c = 259
... print(a is b)
... print(b is c)
...
>>> foo()
False
True
```
这是因为 Python 程序都是由代码块构成,代码块作为程序的一个最小基本单位来执行。一个模块文件/一个函数体/一个类/交互式命令中的单行代码都叫做一个代码块。

上面的程序中有两部分代码块,一个是名称 a 所在的代码块,一个是名称 b/c 所在的代码块。Python 的另一个优化的地方就是,如果在同一个代码块中创建的两个整数对象中,它们的值相等的话,那么这两个对象引用同一个整数对象。所以Python出于对性能的考虑,但凡是不可变的对象,在同一代码块中,只有值相等的对象就不会重复创建,而是直接引用已经存在的对象。不仅整数对象,字符串对象也遵循同样的原则。
mqslllduoduo
mqslllduoduo
494***[email protected]
8年前 (2018年03月30日)
#0
杨叔儿
231***[email protected]
52
有时候在编写程序的时候会用到进制转换,通常学校里面教的都是取余的方法其实有更加简便的方法,这里给大家分享一下。

二进制&十六进制转换表:
```
十六进制 0 1 2 3 4 5 6 7 
二进制 0000 0001 0010 0011 0100 0101 0110 0111
十进制 0 1 2 3 4 5 6 7
```
```
十六进制 8 9 A B C D E F 
二进制 1000 1001 1010 1011 1100 1101 1110 1111
十进制 8 9 10 11 12 13 14 15
```
把这个表牢牢记住!然后用下面的方法转换,会有很高的效率。

转换方法:

取四合一法:从二进制小数点为分隔符,向左或向右每四位二进制合为一位十六进制。例子:
```
1011| 1001 |1011.1001
 B 9 B . 9
```
那最后的结果就是: b9b.9
```
注意:换算时不足四位的情况,可以向左或向右补0。
```
杨叔儿
231***[email protected]
8年前 (2018年05月30日)
#0
永远的兄弟
323***[email protected]
45
关于小数的四舍五入问题与电脑的二进制和十进制之间转换问题,这不仅是出现在小数上,也出现在一些除法上,例如:

10/3=3.3333333333333335 而不是约等于 3.3333......:
```
>>> 10/3
3.3333333333333335
```
还有就是 0.1+0.1+0.1-0.3 不会等于 0,而是等于 5.551115123125783e-17:
```
>>> 0.1+0.1+0.1-0.3
5.551115123125783e-17
```
永远的兄弟
323***[email protected]
8年前 (2018年07月02日)

Victor.L

zux***[email protected]

补充上面关于 cmp() 函数的问题,官方文档中有如下描述: (If you really need the cmp() functionality, you could use the expression (a> b) - (a < b) as the equivalent for cmp(a,b).)

补充上面关于round()函数的问题,注意下面例子:

>>> round(1.05,1)
1.1
>>> round(1.15,1)
1.1
>>> round(1.55,1)
1.6
>>> round(2.05,1)
2.0
>>> round(2.15,1)
2.1
>>> round(2.55,1)
2.5

官方的解释是:这不是bug,而事关浮点数存储:

>>> from decimal import Decimal
>>> Decimal.from_float(1.05)
Decimal('1.0500000000000000444089209850062616169452667236328125')
>>> Decimal.from_float(1.15)
Decimal('1.149999999999999911182158029987476766109466552734375')
>>> Decimal.from_float(1.55)
Decimal('1.5500000000000000444089209850062616169452667236328125')
>>> Decimal.from_float(2.05)
Decimal('2.04999999999999982236431605997495353221893310546875')
>>> Decimal.from_float(2.15)
Decimal('2.149999999999999911182158029987476766109466552734375')
>>> Decimal.from_float(2.55)
Decimal('2.54999999999999982236431605997495353221893310546875')

尽量避免使用round()。

Victor.L

zux***[email protected]

8年前 (2018年12月08日)

#0
觉远大师
106***[email protected]
27
数字与字符,列表之间的转换

1、字符转为数字
```
var='1234'
num=int(var) # 如果是小数可用 float
```
2、字符转为列表
```
num_list=list(var)
```
3、列表转为数组

可以用 numpy 模块:
```
import numpy as np
num_array=np.array(num_list)
```
也可以是 num_array=[int(i) for i in num_list]。

觉远大师
106***[email protected]
7年前 (2019年03月20日)
#0
热心用户
wjf***@msn.com
57
一定要注意 += 和 =+ 的不同。

实例 1:
```
>>> a = 5
>>> a += 6
>>> a
11
```
以上实例与下面实例的效果一样:
```
>>> a = 5
>>> a = a + 6
>>> a
11
```
实例2:
```
>>> b = 5
>>> b =+ 6
>>> b
6
```
为什么会是 6 而不是 11 呢? 因为实例2与下面代码一样:
```
>>> b = 5
>>> b = +6 # 其实就是正数,只是一个赋值操作,+ 6 即为 +6,+6 为 6
>>> b
6
```
一定要分清 += 和 =+ 哦!另外要注意 Python 可是没有 a++ 指令的!
热心用户
wjf***@msn.com
7年前 (2019年06月09日)

harryzhou

zho***[email protected]

其实准确的进位规则是二进制浮点数的:

>>> round(1.5,0) # 1.5d -> 0x3FF8000000000000 -> 1.5, 按照5后为0处理,奇进偶不进
2.0
>>> round(2.5,0) # 2.5 -> 0x4004000000000000 -> 2.5, 按照5后为0处理,奇进偶不进
2.0
>>> round(1.15,1) #1.15 ->0x3FF2666666666666 -> 1.14999999999999991118215802999 按照4处理,退位
1.1
>>> round(1.25,1) # 1.25 ->0x3FF4000000000000 ->1.25 同2.5退位
1.2
>>>

可以认为进位首先计算的是与整数间的差距,如果差距相等,才会出现奇进偶不进。注意其中1.15由于进制问题到1.1和1.2距离不同,所以不是十进制的round结果。

>>> abs(1.25-1.2)==abs(1.25-1.2)
True
>>> abs(1.15-1.2)==abs(1.15-1.1)
False

harryzhou

zho***[email protected]

6年前 (2020年03月06日)

#0
yanyu0821
aaa***[email protected]
20
关于文中和笔记区对 _ 变量的讨论,个人测试了做出了一点总结:
系统自动把上一表达式结果赋值给变量 _ ,对于用户来说,这是一个''只读变量''。而用户可以自己手动创建新的 _ 变量,一旦出现了新的 _ 变量,系统就会优先引用这个新变量。新变量的值不会自动更新,而只读变量 _ 会持续更新,但不会被引用,除非用户删除了自建的 _ 变量。
```
>>> t=1
>>> p=2
>>> t+p
3
>>> _+1 # 系统将上一表达式结果 3 赋值给变量 _ ,3+1=4
4
>>> _+1 # 系统将上一表达式结果 4 赋值给变量 _ ,4+1=5
5
>>> _=10 # 系统将上一表达式结果 5 赋值给变量 _ ,同时用户手动创建变量 _=10
>>> _+1 # 优先引用用户变量(10),10+1=11,同时系统将11这个值赋给只读变量 _
11
>>> _+1 # 优先引用用户变量(10),10+1=11,同时系统将11这个值赋给只读变量 _
11
>>> del _ # 删除用户变量(10)
>>> _+1 # 此时只有只读变量 _ ,值为11,11+1=12
12
```
对于上述提及的两个变量同名,个人没看源码,只能猜测:两个变量在底层是不同的,但标识并不是用户透明的,所以只能看见都是 _
如有错误欢迎指正
yanyu0821
aaa***[email protected]
4年前 (2022年09月09日)

Andrew

102***[email protected]

randrange() 和 uniform() 是 Python 中用于生成随机数的函数,它们都属于 random 模块,但在生成随机数的类型和范围上有所不同。

根据需求选择合适的函数:

生成随机整数时,使用 randrange()。
生成随机浮点数时,使用 uniform()。

以下是它们的区别和联系:

区别

1、所属模块

两者均属于 random 模块,使用前需要先导入该模块:import random

2、生成随机数的类型

randrange() 生成的是随机整数。
uniform() 生成的是随机浮点数。

3、生成随机数的范围

randrange() 的范围是 [start, stop),即包含 start 但不包含 stop。可以通过 step 参数指定步长,控制随机数之间的间隔。
uniform() 的范围是 [a, b],即包含 a 和 b。生成的随机浮点数在 a 和 b 之间均匀分布。

相同部分

1、同属 random 模块

两者都用于生成随机数,且均依赖于 random 模块。

2、范围控制

两者都允许指定生成随机数的范围。

3、随机性

生成的随机数均为伪随机数,基于相同的随机数种子(seed)时,结果可重复。

示例对比

生成 1 到 10 之间的随机数

生成 1 到 10 之间的随机数,使用 randrange():

import random
num = random.randrange(1, 11) # 生成 1 到 10 之间的随机整数
print(num)

生成 1 到 10 之间的随机数,使用 uniform():

import random
num = random.uniform(1.0, 10.0) # 生成 1.0 到 10.0 之间的随机浮点数
print(num)

特性	`randrange()`	`uniform()`
生成类型	随机整数	随机浮点数
范围	`[start, stop)`(左闭右开)	`[a, b]`(闭区间)
步长控制	支持(通过 `step` 参数)	不支持
适用场景	需要生成随机整数时	需要生成随机浮点数时

Andrew

102***[email protected]

1年前 (2025年01月09日)

菜鸟教程 -- 学的不仅是技术,更是梦想!

Python3 高级教程

Python3 数字(Number)