حالت آفلاین — محتوا از حافظهٔ کش نمایش داده می‌شود
آموزش پایتون پروژه‌محور؛ قسمت سوم: شیءگرایی تا ساخت برنامه

آموزش random در پایتون؛ انتخاب تصادفی با seed

کتابخانه و ماژول پایتون؛ نصب بسته و محیط مجازی · 0٪

با import random می‌تونیم عدد یا گزینه تصادفی بسازیم. به این خروجی‌ها شبه‌تصادفی می‌گن، چون از روی یک الگوریتم ساخته می‌شن. rng = random.Random(7) یک تولیدکننده مستقل می‌سازه. عدد ۷ مقدار شروع یا seed هست؛ با seed یکسان می‌تونیم آزمایش رو در همین محیط تکرار کنیم. rng.choice(items) یکی از اعضای دنبالهٔ غیرخالی رو انتخاب می‌کنه و rng.randint(1, 6) عدد صحیح از ۱ تا ۶، شامل هر دو سر، می‌ده. این مثال مستقل رو می‌تونی در مرورگر اجرا کنی:

import random

rng = random.Random(7)
print(rng.randint(1, 6))
print(rng.choice(["درس", "ورزش", "خرید"]))

حالا تابع تمرین رو بنویس تا برای لیست خالی None برگردونه؛ برای بقیهٔ ورودی‌ها هر بار مولد مستقلی با seed ورودی بسازه و یک عنوان رو با choice انتخاب کنه. این روش در محیط همین دوره نتیجه رو تکرارپذیر می‌کنه و وضعیت تصادفی بقیهٔ برنامه رو تغییر نمی‌ده. الگوریتم‌های کمکی کتابخانه ممکنه میان نسخه‌های پایتون تغییر کنن؛ برای آزمون‌های بین‌نسخه‌ای به یک خروجی تصادفی خاص تکیه نکن.

random برای بازی و شبیه‌سازی مناسبه؛ برای رمز، توکن ورود یا کاربرد امنیتی از اون استفاده نکن. کتابخانهٔ secrets برای تولید مقادیر تصادفی امنیتی طراحی شده هست.

فعالیت شما

با random.Random یک عنوان تصادفی انتخاب کن که بشه نتیجه آزمایشش رو تکرار کرد.

مطالعهٔ این گام برای همه آزاد است

برای پاسخ‌دادن، بررسی پاسخ، ثبت پیشرفت و استفاده از دستیار باید شرایط شرکت در فعالیت‌ها را داشته باشید.

برای انجام فعالیت وارد شوید

فعالیت‌های این بخش به اشتراک فعال نیاز دارند. تهیهٔ اشتراک

برای انجام فعالیت‌ها ابتدا این دوره‌های پیش‌نیاز را تکمیل کنید:

کد اولیهٔ فعالیت

import random

def suggest_task(titles, seed):
    # در فهرست خالی None؛ در غیر این صورت یک انتخاب تکرارپذیر.
    pass