本文我们详细地介绍下两个模块关于生成随机序列的其他使用方法。
随机数参与的应用场景大家一定不会陌生，比如密码加盐时会在原密码上关联一串随机数，蒙特卡洛算法会通过随机数采样等等。Python内置的random模块提供了生成随机数的方法，使用这些方法时需要导入random模块。
import random
下面介绍下Python内置的random模块的几种生成随机数的方法。
1、random.random()随机生成 0 到 1 之间的浮点数[0.0, 1.0)。注意的是返回的随机数可能会是 0 但不可能为 1，即左闭右开的区间。
2、random.randint(a , b)随机生成 a 与 b 之间的整数[a, b]，a<=n<=b，随机整数不包含 b 时[a, b)可以使用 random.randrange() 方法。
3、random.randrange(start,stop,step)按步长step随机在上下限范围内取一个随机数，start<=n
4、random.uniform(a, b)随机生成 a 与 b 之间的浮点数[a, b]，a<=n<=b。
5、random.choice()从列表中随机取出一个元素，比如列表、元祖、字符串等。注意的是，该方法需要参数非空，否则会抛出 IndexError 的错误。
6、random.shuffle(items) 把列表 items 中的元素随机打乱。注意的是，如果不想修改原来的列表，可以使用 copy 模块先拷贝一份原来的列表。
7、random.sample(items, n)从列表 items 中随机取出 n 个元素。
Python 的random模块产生的随机数其实是伪随机数，依赖于特殊算法和指定不确定因素(种子seed)来实现。如randint方法生成一定范围内的随机数，会先指定一个特定的seed，将seed通过特定的随机数产生算法，得到一定范围内随机分布的随机数。因此对于同一个seed值的输入产生的随机数会相同，省略参数则意味着使用当前系统时间秒数作为种子值，达到每次运行产生的随机数都不一样。
numpy库也提供了random模块，用于生成多维度数组形式的随机数。使用时需要导入numpy库。
import numpy as np
下面介绍下numpy库的random模块的几种生成随机数的方法。
1、numpy.random.rand(d0,d1,…,dn)
- rand函数根据给定维度生成[0,1]之间的数据，包含0，不包含1
-
dn表格每个维度
返回值为指定维度的array
2、numpy.random.randn(d0,d1,…,dn)
- randn函数返回一个或一组样本，具有标准正态分布。
- dn表格每个维度
-
返回值为指定维度的array
标准正态分布―-standard normal distribution
标准正态分布又称为u分布，是以0为均值、以1为标准差的正态分布，记为N（0，1）。
3、numpy.random.randint(low, high=None, size=None, dtype='l')
返回随机整数，范围区间为[low,high），包含low，不包含high
参数：low为最小值，high为最大值，size为数组维度大小，dtype为数据类型，默认的数据类型是np.int
high没有填写时，默认生成随机数的范围是[0，low]
4、numpy.random.seed()
np.random.seed()的作用：使得随机数据可预测。
当我们设置相同的seed，每次生成的随机数相同。如果不设置seed，则每次会生成不同的随机数
总结
以上所述是小编给大家介绍的Python内置random模块生成随机数的方法,希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对脚本之家网站的支持！
如果你觉得本文对你有帮助，欢迎转载，烦请注明出处，谢谢！
