Python中的random模块用于随机数生成，对几个random模块中的函数进行简单介绍。如下：

用于生成一个0到1的随机浮点数。如：

import randomrandom.random（）

输出：

0.3701787746508932

用于生成一个指定范围内的随机浮点数，两个参数一个是上线，一个是下线。如：

random.uniform(10,20)

 输出：

16.878776709127855

random.randint(a,b)

用于生成指定范围内的整数，生成上线和下线之间的随机数，如：

random.randint(10,20)

 输出：

14

random.randrange([start], stop[, step])

从指定范围内，按指定基数递增的集合中 获取一个随机数。如：

random.randrange(10, 100, 2)

结果相当于从[10, 12, 14, 16, … 96, 98]序列中获取一个随机数。

参数sequence表示一个有序类型。这里要说明 一下：sequence在python不是一种特定的类型，而是泛指一系列的类型。list, tuple, 字符串都属于sequence。如：

random.choice((“Tuple”,”List”, “Dict”))

输出：

List

random.shuffle(x[, random])

用于将一个列表中的元素打乱,如：

x=[“Python”,”data”,”random”,”Mining”,”good”]random.shuffle(x)print x

输出：

[‘Python’, ‘Mining’, ‘good’, ‘random’, ‘data’]

random.sample(sequence, k)

从指定序列中随机获取指定长度的片断。sample函数不会修改原有序列,如：

lists=[1,2,3,4,5,6,7,8,10]a=random.sample(lists,3)print a

输出：

[4, 7, 5]

在numpy模块中有random模块，这两个模块在功能方面和性能方面有一定的差别，numpy.random模块有以下一些函数和功能模型：

其中d0, d1, …, dn为整数（int）型，输出一个shape为（d0, d1, …, dn）的矩阵。如：

np.random.rand(3,2)

输出:

array([          [ 0.14022471,  0.96360618],          [ 0.37601032,  0.25528411],          [ 0.49313049,  0.94909878]])

numpy.random.randn(d0, d1, …, dn)

其中d0, d1, …, dn)为整数型，输出标准正太分布的矩阵。

生产的分布，则sigma * np.random.randn(…) + mu，如下：

若我们要生成满足正太分布为N(3，2.5^2)，2行4列的array

2.5 * np.random.randn(2, 4) + 3

输出：

array([         [-4.49401501,  4.00950034, -1.81814867,  7.29718677],         [ 0.39924804,  4.68456316,  4.99394529,  4.84057254]])

numpy.random.randint(low, high=None, size=None)

生产一定范围内的元素为整数的array。

low为下限，size为生成的array大小，如果high为none则生成0~low的均匀分布随机数，若指定了high，那么生产low~high的均匀分布随机数。如生产2×4的在（0，4）的array，则：

np.random.randint(5, size=(2, 4))

输出：

array([         [4, 0, 2, 1],         [3, 2, 2, 0]])

本文转自ZH奶酪博客园博客，原文链接：http://www.cnblogs.com/CheeseZH/p/4593349.html，如需转载请自行联系原作者