Python生成随机数和随机数质量的方法，random.random()用于生成一个指定范围内的随机符点数，两个参数其中一个是上限，一个是下限。如果a b，则生成随机数：pre t="code" l="python"print random.uniform(10, 20)
让客户满意是我们工作的目标，不断超越客户的期望值来自于我们对这个行业的热爱。我们立志把好的技术通过有效、简单的方式提供给客户，将通过不懈努力成为客户在信息化领域值得信任、有价值的长期合作伙伴，公司提供的服务项目有：国际域名空间、网站空间、营销软件、网站建设、静安网站维护、网站推广。
print random.uniform(20, 10)
#----
#18.
#12.
random.randint用于生成一个指定范围内的整数。其中参数a是下限，参数b是上限，Python生成随机数pre t="code" l="python"print random.randint(12, 20) #生成的随机数n: 12 = n = 20
print random.randint(20, 20) #结果永远是20
#print random.randint(20, 10) #该语句是错误的。random.randrange方法从指定范围内，按指定基数递增的集合中 ，下面对python生成随机数的应用程序的部分介绍：1.随机整数：
pre t="code" l="python" import random
random.randint(0,99)
212.随机选取0到100间的偶数：
pre t="code" l="python" import random
random.randrange(0, 101, 2)
423.随机浮点数：
pre t="code" l="python" import random
random.random()
0.
random.uniform(1, 10)
5..随机字符：
pre t="code" l="python" import random
random.choice('abcdefg%^*f')
'd'5.多个字符中选取特定数量的字符：
pre t="code" l="python" import random
random.sample('abcdefghij',3)
['a', 'd', 'b']6.多个字符中选取特定数量的字符组成新字符串：
pre t="code" l="python" import random
import string
string.join(random.sample(['a','b','c','d','e','f','g','h','i','j'], 3)).r
eplace(" ","")
'fih'
1 从给定参数的正态分布中生成随机数
当考虑从正态分布中生成随机数时，应当首先知道正态分布的均值和方差（标准差），有了这些，就可以调用python中现有的模块和函数来生成随机数了。这里调用了Numpy模块中的random.normal函数，由于逻辑非参简单，所有直接贴上代码如下：
import numpy as np# 定义从正态分布中获取随机数的函数def get_normal_random_number(loc, scale): """ :param loc: 正态分布的均值 :param scale: 正态分布的标准差 :return:从正态分布中产生的随机数 """ # 正态分布中的随机数生成 number = np.random.normal(loc=loc, scale=scale) # 返回值 return number# 主模块if __name__ == "__main__": # 函数调用 n = get_normal_random_number(loc=2, scale=2) # 打印结果 print(n) # 结果:3.275192443463058
2 从给定参数的均匀分布中获取随机数的函数
考虑从均匀分布中获取随机数的时候，要事先知道均匀分布的下界和上界，然后调用Numpy模块的random.uniform函数生成随机数。
import numpy as np# 定义从均匀分布中获取随机数的函数def get_uniform_random_number(low, high): """ :param low: 均匀分布的下界 :param high: 均匀分布的上界 :return: 从均匀分布中产生的随机数 """ # 均匀分布的随机数生成 number = np.random.uniform(low, high) # 返回值 return number# 主模块if __name__ == "__main__": # 函数调用 n = get_uniform_random_number(low=2, high=4) # 打印结果 print(n) # 结果:2.4462417140153114
3 按照指定概率生成随机数
有时候我们需要按照指定的概率生成随机数，比如已知盒子中每种颜色的球的比例，猜测下一次取出的球的颜色。在这里介绍的问题和上面的例子相似，要求给定一个概率列表，从列表对应的数字列表或区间列表中生成随机数，分两部分讨论。
3.1 按照指定概率从数字列表中随机抽取数字
假设给定一个数字列表和一个与之对应的概率列表，两个列表对应位置的元素组成的元组即表示该数字在数字列表中以多大的概率出现，那么如何根据这些已知条件从数字列表中按概率抽取随机数呢？在这里我们考虑用均匀分布来模拟概率，代码如下：
import numpy as npimport random# 定义从均匀分布中获取随机数的函数def get_uniform_random_number(low, high): """ :param low: 均匀分布的下界 :param high: 均匀分布的上界 :return: 从均匀分布中产生的随机数 """ # 均匀分布的随机数生成 number = np.random.uniform(low, high) # 返回值 return number# 定义从一个数字列表中以一定的概率取出对应区间中数字的函数def get_number_by_pro(number_list, pro_list): """ :param number_list:数字列表 :param pro_list:数字对应的概率列表 :return:按概率从数字列表中抽取的数字 """ # 用均匀分布中的样本值来模拟概率 x = random.uniform(0, 1) # 累积概率 cum_pro = 0.0 # 将可迭代对象打包成元组列表 for number, number_pro in zip(number_list, pro_list): cum_pro += number_pro if x cum_pro: # 返回值 return number# 主模块if __name__ == "__main__": # 数字列表 num_list = [1, 2, 3, 4, 5] # 对应的概率列表 pr_list = [0.1, 0.3, 0.1, 0.4, 0.1] # 函数调用 n = get_number_by_pro(number_list=num_list, pro_list=pr_list) # 打印结果 print(n) # 结果:1
3.2 按照指定概率从区间列表中的某个区间内生成随机数
给定一个区间列表和一个与之对应的概率列表，两个列表相应位置的元素组成的元组即表示某数字出现在某区间内的概率是多少，已知这些，我们如何生成随机数呢？这里我们通过两次使用均匀分布达到目的，代码如下：
import numpy as npimport random# 定义从均匀分布中获取随机数的函数def get_uniform_random_number(low, high): """ :param low: 均匀分布的下界 :param high: 均匀分布的上界 :return: 从均匀分布中产生的随机数 """ # 均匀分布的随机数生成 number = np.random.uniform(low, high) # 返回值 return number# 定义从一个数字列表中以一定的概率取出对应区间中数字的函数def get_number_by_pro(number_list, pro_list): """ :param number_list:数字列表 :param pro_list:数字对应的概率列表 :return:按概率从数字列表中抽取的数字 """ # 用均匀分布中的样本值来模拟概率 x = random.uniform(0, 1) # 累积概率 cum_pro = 0.0 # 将可迭代对象打包成元组列表 for number, number_pro in zip(number_list, pro_list): cum_pro += number_pro if x cum_pro: # 从区间[number. number - 1]上随机抽取一个值 num = get_uniform_random_number(number, number - 1) # 返回值 return num# 主模块if __name__ == "__main__": # 数字列表 num_list = [1, 2, 3, 4, 5] # 对应的概率列表 pr_list = [0.1, 0.3, 0.1, 0.4, 0.1] # 函数调用 n = get_number_by_pro(number_list=num_list, pro_list=pr_list) # 打印结果 print(n) # 结果:3.49683787011193
在python中用于生成随机数的模块是random,在使用前需要import
random.random:
random.random():生成一个0-1之间的随机浮点数.例:
[python] view plain copy
import random
print random.random()
# 0.87594424128
random.uniform
random.uniform(a, b):生成[a,b]之间的浮点数.例:
[python] view plain copy
import random
print random.uniform(0, 10)
# 5.27462570463
random.ranint
random.randint(a, b):生成[a,b]之间的整数.例:
[python] view plain copy
import random
print random.randint(0, 10)
# 8
random.randrange
random.randrange(a, b, step):在指定的集合[a,b)中,以step为基数随机取一个数.如random.randrange(0, 20, 2),相当于从[0,2,4,6,...,18]中随机取一个.例:
[python] view plain copy
import random
print random.randrange(0, 20, 2)
# 14
在Python中可以用于随机数生成的有两种主要途径，一是random模块，另一个是numpy库中random函数。
在我们日常使用中，如果是为了得到随机的单个数，多考虑random模块；如果是为了得到随机小数或者整数的矩阵，就多考虑numpy中的random函数,当然numpy也可以的到随机的单个数
一、random模块
二、numpy库中random函数
random模块中将近有7个函数都是可以用来生成随机数的:
作用：随机生成一个 [0,1) 的浮点数
作用：随机生成一个 [a,b) 的浮点数
作用：随机生成一个 [a,b] 的整数
作用：从列表，元组，字符串、集合（可用于for循环的数据类型）中随机选择一个元素
作用：在生成的以a为始，每step递增，以b为终这样的一个整数序列中随机选择一个数
作用：打乱一个列表的元素顺序
从序列population中随机取出k个数；population的类型可以是列表、元组、集合、字符串；
在Numpy库中，常用使用np.random.rand()、np.random.randn()和np.random.randint()随机函数。
作用：返回一个或一组服从标准正态分布的随机样本值
备注：标准正态分布是以0为均数、以1为标准差的正态分布，记为N（0，1）。对应的正态分布曲线如下所示，即
作用：使用方法与np.random.randn()函数相同 ，通过本函数可以返回一个或一组服从“0~1”均匀分布的随机样本值。随机样本取值范围是[0,1)，不包括1
numpy.random.randint(low, high=None, size=None, dtype='l')
输入：
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。
作用： 返回随机整数或整型数组，范围区间为[low,high），包含low，不包含high； high没有填写时，默认生成随机数的范围是[0，low
np.random.random([size])
作用：生成[0,1)之间的浮点数,与np.random.rand()功能类似
np.random.choice(a,[ size, replace, p])
参考文档1： 【python】numpy之random库简单的随机数据生成.rand()、.randint()、.randn()、.random()等（一）
参考文档2： Python中随机数的生成
参考文档3： numpy.random模块常用函数
终于写完了，我以为它很简单的………………预计1小时，结果写了2.5小时
random() 函数命名来源于英文单词random(随机)。
randint是random + integer拼接简写而成，代表随机一个整数
Python标准库中的random函数，可以生成随机浮点数、整数、字符串，甚至帮助你随机选择列表序列中的一个元素，打乱一组数据等。
random.randint() 函数的例子：
用于生成一个指定范围内的整数。其中参数a是下限，参数b是上限，生成的随机数n：a=n=b
a必须小于或等于b，否则报错。
其他random的方法：
无
随机数是用于生成测试入参的好办法，也常见于各种需要随机的场合。
但是每次随机带来的不确定性也会造成某些验证功能的困难，因此可以使用random.seed()通过指定随机的种子值保证每次生成随机数是同一序列的伪随机数。观察下面的输出：
对基础运行环境有疑问的，推荐参考: python函数深入浅出 0.基础篇
