python中的randint用来生成随机数，在使用randint之前，需要调用random库。其表达是为random.randint(x,y)，参数x和y代表生成随机数的区间范围。
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：域名注册、网络空间、营销软件、网站建设、涟水网站维护、网站推广。
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。
函数randint的使用
1、OUT = RANDINT
产生一个“ 0 ”或“ 1 ”等概率。
2、OUT = RANDINT(M)
生成的M 矩阵的随机二进制数字，“ 0 ”和“ 1 ”出现的概率均等。
3、OUT = RANDINT(M,N)
生成的（M,N) 矩阵的随机二进制数字,“ 0 ”和“ 1 ”出现的概率均等。
4、OUT = RANDINT(M,N,RANGE)
生成的(M,N) 矩阵的随机二进制数字，RANGE范围可以是标量或向量。
标量：为正的话，取值为[0,RANGE-1] ，为负的话，取值为 [RANGE+1, 0]。
向量：取值为[RANGE(1), RANGE(2)]。
5、OUT = RANDINT(M,N,RANGE,STATE)
resets the state of RAND to STATE。
Python中random模块包含了生成随机数的常用函数，random模块不能直接访问，需要导入random 模块（import random）。常见的random函数包含如下几个，（ 我使用的是jupyter notebook） 。
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。
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=nstop。
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。
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)
2、numpy.random.randn(d0,d1,…,dn)
3、numpy.random.randint(low, high=None, size=None, dtype=’l’)
4、numpy.random.seed()
