python数据统计输入两个整数,在这两个整数组成的闭区间范围内生成100个随机整数

### Python生成指定闭区间范围内的100个随机整数并进行数据统计在Python中可以利用`numpy`库中的`RandomGenerator`类来生成指定闭区间范围内的随机整数。通过调用其`integers`方法，能够轻松完成这一任务[^1]。以下是具体实现方式： #### 使用NumPy生成随机整数 ```python import numpy as np # 定义随机数生成器 rng = np.random.default_rng() # 设定闭区间的上下界 low, high = 10, 50 # 生成100个位于[low, high]之间的随机整数 random_integers = rng.integers(low=low, high=high + 1, size=100) print(random_integers) ``` 在此代码片段中，`np.random.default_rng()`用于创建一个新的随机数生成器实例。随后调用了该生成器对象的`integers`方法，其中参数`low`表示下限（包含），而`high + 1`则确保上限被包含于生成的结果之中（因为默认情况下`high`为开区间）。最后，`size=100`指定了生成数组的大小为100个元素[^1]。 #### 数据统计分析对于所生成的这组随机整数，可以通过多种方式进行数据分析。例如计算均值、标准差以及频率分布等指标。 ##### 基本统计数据 ```python mean_value = np.mean(random_integers) # 计算平均值 std_deviation = np.std(random_integers) # 计算标准偏差 print(f"Mean Value: {mean_value}") print(f"Standard Deviation: {std_deviation}") ``` 这里分别使用了`np.mean`和`np.std`函数来获取样本集的平均值与标准差[^1]。 ##### 频率直方图绘制为了更直观地了解这些数值在整个定义域上的分布情况，还可以借助Matplotlib库制作频次柱状图。 ```python import matplotlib.pyplot as plt plt.hist(random_integers, bins=np.arange(low - 0.5, high + 1.5), edgecolor='black') plt.title('Frequency Distribution of Random Integers') plt.xlabel('Value') plt.ylabel('Frequency') plt.xticks(range(low, high + 1)) plt.show() ``` 此部分展示了如何运用matplotlib绘图工具包展示离散型变量的概率密度估计图像。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

下一篇 python彼岸花代码不需要pygame