该模块实现了各种分布的伪随机数生成器。可以在区间内抽取一个随机数，可以在列表中抽取一个元素，可以从分布中抽取样本 。

random模块不能直接访问，需要导入 random 模块，然后通过 random 静态对象调用该方法。

import random

1 生成随机数

随机生成器种子，在同一个种子下，生成同样的随机数

random.seed()

返回 [0, 1.0) 范围内的下一个随机浮点数。

random.random()

random.int(a,b) 生成整数，a <= N <= b。

random.randint(1,4) #

2

2 序列中随机选取一个

在序列range() 中随机选取一个整数random.randrange( start, stop , step )

random.randrange(1,5,2)

3

random.choice(population), 从非空序列 population 返回一个随机元素。 如果 seq 为空，则引发 IndexError.

random.choice([2,5,8])

8

random.choices(population, weights=None, *, cum_weights=None, k) . 从整体中按照权重抽取K个,权重序列长度必须等于population长度。 显然，不给定权重且k=1. 等价于

random.choice(population).

random.choices(['red', 'black', 'green'], [4, 10, 2], k=6)

['green', 'black', 'red', 'black', 'green', 'black']

random.sample(population, k, *, counts=None)，返回从总体序列或集合中选择的唯一元素的 k 长度列表，即无重复(无放回)的随机抽样。

random.sample(['red', 'black', 'green'], 2)

['red', 'green']

3.9版本之后，增加counts 形参，可以指定个数， random.sample([‘red’, ‘red’,‘red’,‘black’, ‘green’], 2)等价于random.sample([‘red’,‘black’, ‘green’],counts=[3,1,1], 2)

3从分布中抽取样本

常用的分布如下表：

函数分布gauss(mu,sigma)/normalvarite(mu,sigma)正态分布

uniform(a,b)均匀分布

expovariate(lamda)指数分布

gammavariate(alpha,beta)Gamma 分布

lognormvariate(mu,sigma)对数正态分布

betavariate(alpha,beta)Beta 分布

weibullvariate(alpha,beta)Weibull 分布

paretovariate(alpha)Pareto 分布

vonmisesvariate(mu,kappa)von Mises 分布(

random.gauss(1,2)

-0.34372692554557815

random.uniform(1,2)

1.7719936383153665

random.expovariate(1)

0.079384517694696

random.gammavariate(1,3)

3.8134444290373866

random.lognormvariate(1,2)

2.561312589509173

random.betavariate(1,2)

0.03565784800319274

random.weibullvariate(1,2)

1.211306128111137

random.paretovariate(1)

1.709941711311189

random.vonmisesvariate(1,2)

2.377632588889548

data = [random.gammavariate(2,4) for i in range(10000)] # 抽取10000个gamma分布样本

#直方图

import matplotlib.pyplot as plt

plt.hist(data, bins=100, color="#FF0000", alpha=.7)

4 打乱顺序

random.shuffle(x [, random])将序列 x 随机打乱位置。

a=[1,3,5,7,9]

random.shuffle(a);print(a)

[3, 7, 5, 1, 9] # 原地打乱顺序

原文链接:https://blog.csdn.net/weixin_43705953/article/details/109025791