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。平时数据分析各种分布的数据构造也会用到。
random模块，用于生成伪随机数，之所以称之为伪随机数，是因为真正意义上的随机数（或者随机事件）在某次产生过程中是按照实验过程中表现的分布概率随机产生的，其结果是不可预测的，是不可见的。而计算机中的随机函数是按照一定算法模拟产生的，对于正常随机而言，会出现某个事情出现多次的情况。
但是伪随机，在事情触发前设定好，就是这个十个事件各发生一次，只不过顺序不同而已。现在MP3的随机列表就是用的伪随机，把要播放的歌曲打乱顺序，生成一个随机列表而已，每个歌曲都播放一次。真实随机的话，会有出现某首歌多放次的情况，歌曲基数越多，重放的概率越大。
注意：
random()是不能直接访问的，需要导入 random 模块，然后通过 random 静态对象调用该方法。#加载所需要的包importrandom importmatplotlib.pyplot asplt importseaborn assns
#加载所需要的包importrandom importmatplotlib.pyplot asplt importseaborn assns
01 random
描述：
random.random() 用于生成一个0到1的随机符点数: 0 <= n < 1.0语法：
random.random()L = [0,1,2,3,4,5] random.choice(L) 2L = wofeichangshuairandom.choice(L) h
02 choice
描述：
从非空序列seq中随机选取一个元素。如果seq为空则弹出 IndexError异常。语法：
random.choice（ seq）seq 可以是一个列表，元组或字符串。L = [0,1,2,3,4,5] random.choice(L) 2L = wofeichangshuairandom.choice(L) h
03 choices
描述：
从集群中随机选取k次数据，返回一个列表，可以设置权重。注意每次选取都不会影响原序列，每一次选取都是基于原序列。
语法：
random.choices(population,weights=None,*,cum_weights=None,k=1)参数：
population：集群。weights：相对权重。cum_weights：累加权重。k：选取次数。random.getrandbits(10) 379
04 getrandbits
描述：
返回一个不大于K位的Python整数（十进制），比如k=10，则结果在0~2^10之间的整数。语法：
random.getrandbits(k)random.getrandbits(10) 379
05 getstate
描述：
返回一个捕获到的 生成器当前内部状态 的对象，可以将此对象传递给 setstate() 以恢复到这个状态。语法：
random.getstate()06 setstate
描述：
state 应该是从之前调用 getstate() 获得的，而 setstate() 将生成器的内部状态恢复到调用 getstate() 时的状态。根据下面的例子可以看出，由于生成器内部状态相同时会生成相同的下一个随机数，我们可以使用 getstate() 和 setstate() 对生成器内部状态进行获取和重置到某一状态下。语法：
random.setstate(state)state = random.getstate()random.random()0.489148634943random.random()0.22359638172661822random.setstate(state)random.random()0.48914863494
07 randint
描述：
用于生成一个指定范围内的整数。语法：
random.randint(a, b)，其中参数a是下限，参数b是上限，生成的随机数n: a <= n <= brandom.randint(1, 8)3random.randint(1, 8)408 randrange
描述：
按指定基数递增的集合中 获取一个随机数。如：random.randrange(10, 100, 2)，结果相当于从[10, 12, 14, 16, … 96, 98]序列中获取一个随机数，random.randrange(10, 100, 2)在结果上与 random.choice(range(10, 100, 2) 等效。语法：
random.randrange([start], stop[, step])不指定step，随机生成[a,b)
范围内一个整数。指定step，step作为步长会进一步限制[a,b)的范围，比如randrange(0,11,2)意即生成[0,11)范围内的随机偶数。不指定a，则默认从0
开始。#不限制[random.randrange(0,11) for i in range(5)][4, 6, 3, 9, 5]#随机偶数，运行5个数[random.randrange(0,11,2) for i in range(5)][2, 4, 8, 8, 6]
09 sample
描述：
从population样本或集合中随机抽取K个不重复的元素形成新的序列。常用于不重复的随机抽样。返回的是一个新的序列，不会破坏原有序列。要从一个整数区间随机抽取一定数量的整数，请使用sample(range(1000000), k=60)类似的方法，这非常有效和节省空间。如果k大于population的长度，则弹出ValueError异常。语法：
random.sample(population, k)注意：
与random.choices()的区别：一个是选取k次，一个是选取k个，选取k次的相当于选取后又放回，选取k个则选取后不放回。故random.sample()的k值不能超出集群的元素个数。
random.sample(range(1000),k=5)[82,678,664,177,376]L=[0,1,2,3,4,5]random.sample(L,3)[5,3,1]random.sample(L,3)[2,4,5]
10 seed
描述：
初始化伪随机数生成器。如果未提供a或者a=None，则使用系统时间为种子。如果a是一个整数，则作为种子。伪随机数生成模块。如果不提供 seed，默认使用系统时间。使用相同的 seed，可以获得完全相同的随机数序列，常用于算法改进测试。语法：
random.seed(a=None, version=2)a=random.Random()a.seed(1)[a.randint(1,100)foriinrange(20)][14,85,77,26,50,45,66,79,10,3,84,44,77,1,45,73,23,95,91,4]b=random.Random()b.seed(1)[b.randint(1,100)foriinrange(20)][14,85,77,26,50,45,66,79,10,3,84,44,77,1,45,73,23,95,91,4]
11 shuffle
描述：
用于将一个列表中的元素打乱。只能针对可变的序列，对于不可变序列，请使用下面的sample()方法。语法：
random.shuffle(x)L=[0,1,2,3,4,5]random.shuffle(L)L[5,4,1,0,3,2]
12 uniform
描述：
产生[a,b]
范围内一个随机浮点数
。uniform()的a，b参数不需要遵循a<=b的规则，即a小b大也可以，此时生成[b,a]范围内的随机浮点数。语法：
random.uniform(x, y)random.uniform(10, 11)10.789198208817488
13 vonmisesvariate
描述：
卡帕分布语法：
vonmisesvariate(mu, kappa)data= [random.vonmisesvariate(2,2) for i in range(20000)]#直方图plt.hist(data, bins=100, color="#FF0000", alpha=.7) #密度图sns.kdeplot(data, shade=True,color="#FF0000")
直方图
密度图
14 triangular
描述：
返回一个low <= N <=high的三角形分布的随机数。参数mode指明众数出现位置。语法： r
andom.triangular(low, high, mode)data= [random.vonmisesvariate(2,2) fori inrange(20000)]#直方图plt.hist(data, bins=100, color="#FF0000", alpha=.7)#密度图sns.kdeplot(data, shade=True,color="#FF0000")
直方图
密度图
无法显示15 weibullvariate
描述：
威布尔分布语法：
random.weibullvariate(alpha, beta)data= [random.weibullvariate(1,2) fori inrange(20000)]#直方图plt.hist(data, bins=100, color="#FF0000", alpha=.7)sns.kdeplot(data, shade=True,color="#FF0000")
直方图
密度图
16 betavariate
描述：
β分布语法：
random.betavariate(alpha, beta)data= [random.expovariate(2) for i in range(50000)]#直方图plt.hist(data, bins=100, color="#FF0000", alpha=.7) #密度图sns.kdeplot(data, shade=True,color="#FF0000")
直方图
密度图
17 expovariate
描述：
指数分布语法：
random.expovariate(lambd)data= [random.expovariate(2) for i in range(50000)]#直方图plt.hist(data, bins=100, color="#FF0000", alpha=.7) #密度图sns.kdeplot(data, shade=True,color="#FF0000")
直方图
密度图
18 gammavariate
描述：
伽马分布语法：
random.gammavariate(alpha, beta)data= [random.gauss(2,2) for i in range(50000)]#直方图plt.hist(data, bins=100, color="#FF0000", alpha=.7) #密度图sns.kdeplot(data, shade=True,color="#FF0000")
直方图
密度图
19 gauss
描述：
高斯分布语法：
random.gauss(mu, sigma)data= [random.gauss(2,2) for i in range(50000)]#直方图plt.hist(data, bins=100, color="#FF0000", alpha=.7) #密度图sns.kdeplot(data, shade=True,color="#FF0000")
直方图
密度图
20 lognormvariate
描述：
对数正态分布语法：
random.lognormvariate(mu, sigma)示例：
data= [random.gauss(2,2) fori inrange(50000)]#直方图plt.hist(data, bins=100, color="#FF0000", alpha=.7)#密度图sns.kdeplot(data, shade=True,color="#FF0000")
直方图
密度图
21 normalvariate
描述：
正态分布语法：
random.normalvariate(mu, sigma)data= [random.normalvariate(2,4) for i in range(20000)]#直方图plt.hist(data, bins=100, color="#FF0000", alpha=.7) #密度图sns.kdeplot(data, shade=True,color="#FF0000")
直方图
密度图
22 paretovariate
描述：
帕累托分布语法：
random.paretovariate(alpha)data= [random.paretovariate(4) for i in range(50000)]#直方图plt.hist(data, bins=100, color="#FF0000", alpha=.7) #密度图sns.kdeplot(data, shade=True,color="#FF0000")
直方图
密度图
