random——偽隨機數生成模塊
random——偽隨機數生成模塊
轉自：https://blog.csdn.net/zhtysw/article/details/79978197
該模塊包含構造偽隨機數生成器的多個方法。對於整數，偽隨機數有統一的選擇範圍；對於序列，選擇的隨機元素有統一標準，一個是在當前列表中進行隨機排序，另一個是從種子樣本中隨機生成一個序列。
實際應用中，該模塊有專用函數生成符合均勻分布、正態分布、對數分布、負指數分布、伽馬分布、貝塔分布的函數。對於生成角，只支持馮·米塞斯分布。幾乎所有的模塊函數都依賴於基本函數random（），該函數在半開放範圍[0.0,1.0）內均勻地生成隨機浮點數。Python使用Mersenne Twister作為核心生成器。它生成53位精度浮點數，周期為2 ** 19937-1。
1. 簿記函數
random. seed(a=None, version=2)
初始化隨機數生成器。如果a被省略或被賦值為None，則使用當前系統時間為隨機源；如果當前操作系統提供隨機數源，其優先級高於系統時間。如果a是一個整數，那麽直接使用它。
random.getstate()
捕獲當前隨機數生成器的內部狀態，並將其返回。
random.setstate(state)
state應當為在調用該函數之前調用getstate()函數時獲取的生成器狀態值，並且在執行setatate()後，生成器將會回到以前那個狀態。
random. getrandbits(k)
返回一個k位的整數，該整數每位都由隨機數構成。
2. 針對整數的隨機函數
random. randrange(stop)
random. randrange(start, stop[, step])
該函數等價於choice(range(start, stop, step))或choice(range(stop))意味著給出的隨機值屬於後面參數定義的值的範圍內。
random.randint(a, b)
返回一個隨機整數，這個整數大於等於a小於等於b。
3. 針對序列的隨機函數
random.choice(seq)
從非空序列seq中隨機返回一個元素。
random. choice(population, weights=None, *, cum_weights=None, k=1)
從population中隨機選擇k個可修改的元素組成一個新的列表，並將其返回。population不能為空。如果weights（權重序列）被給出，選擇將會根據相應的權重規劃而進行。如果cum_weights被給出，選擇將會依據累計權重的方式進行。（類似於：權重序列為[1,2,3,4]，累計下來的結果是[1,3,6,10]）。
random. shuffle(x[, random])
將序列x隨機混合。可選參數random為0參數函數，它會隨機返回[0.0, 1.0）內的一個浮點數。
random.sample(population, k)
從population這個序列或集合中隨機選擇非重復的k個元素組成一個新的列表，該函數用於非替換的隨機取樣樣本。
4. 實數域內概率分布模型所對應函數
該模塊內的隨機函數，其輸出的隨機值符合其函數名所示的概率分布模型。
random.random()
從[0.0, 1.0)中隨機返回一個浮點數。
random.uniform(a, b)
從a與b確定的範圍中隨機返回一個浮點數。
random.triangular(low, high, mode)
返回一個隨機浮點數N，low<=N<=high，並且mode一定在這個範圍內。mode被定義為該區間的重點，給出以它為中點的對稱分布。
random.betavariate(alpha, beta)
Beta（β）分布，兩個參數必須都大於零，返回值在0與1之間。
random.expovariate(lambd)
指數分布，lambd為1.0處於該分布被期望的均值。
random. gammavariate(alpha, beta)
Gamma(伽馬γ)分布，參數必須大於零。分布函數等價於：
x ** (alpha -1) * math.exp(-x / beta)
pdf(x) = --------------------------------------
math.gamma(alpha) * beta ** alpha
random.gauss(mu, sigma)
高斯（正態）分布，mu是均值，sigma是標準差。
random. lognormvariate(mu, sigma)
對數正態分布。如果你在這個分布中采取自然對數，你會得到一個均值為mu，標準差為sigma的正態分布。
random. normalvariate(mu, sigma)
正態分布，比gauss(mu, signa)實現的慢。
random.vonmisesvariate(mu, kappa)
馮米塞斯分布。mu是角的平均弧度，範圍[0, 2*pi]；kappa是密度參數，它必須大於等於0。當kappa等於0時，該分布退化為[0, 2*pi]上的標準隨機分布。
random. paretovariate(alpha)
帕累托分布，alpha是形狀參數。
random. weibullvariate(alpha, beta)
威布爾分布，alpha為規模參數，beta是形狀參數。
5. 替代產生器
class random. System([seed])
使用os.urandom（）函數從操作系統提供的源生成隨機數的類。不適用於所有系統。不依賴於軟件狀態，並且序列不可重現。因此，seed（）方法不起作用並被忽略。如果調用getstate（）和setstate（）方法會引發NotImplementedError。
6. 重復性說明
有時候能夠重現偽隨機數生成器產生的序列是十分有用的。通過重復使用隨機數種子值，只要多個線程沒有運行，相同的序列應該在一次又一次的運行中再現。
在Python的版本中，大多數的隨機模塊實現的算法和種子函數都發生了一定的改變，但有兩方面與其他程序中的隨機模塊沒有差別：
①如果一個新的種子模塊被添加，那麽將配置一個向後兼容的播種機；
②如果給出相同的種子，生成器的random()模塊會生成同樣的序列。
random——偽隨機數生成模塊