隨機數可以用于數學，游戲，安全等領域中，還經常被嵌入到算法中，用以提高算法效率，并提高程序的安全性。平時數據分析各種分布的數據構造也會用到。

random模塊，用于生成偽隨機數，之所以稱之為偽隨機數，是因為真正意義上的隨機數(或者隨機事件)在某次產生過程中是按照實驗過程中表現的分布概率隨機產生的，其結果是不可預測的，是不可見的。而計算機中的隨機函數是按照一定算法模擬產生的，對于正常隨機而言，會出現某個事情出現多次的情況。

但是偽隨機，在事情觸發前設定好，就是這個十個事件各發生一次，只不過順序不同而已。現在MP3的隨機列表就是用的偽隨機，把要播放的歌曲打亂順序，生成一個隨機列表而已，每個歌曲都播放一次。真實隨機的話，會有出現某首歌多放次的情況，歌曲基數越多，重放的概率越大。

注意：random()是不能直接訪問的，需要導入 random 模塊，然后通過 random 靜態對象調用該方法。

#加載所需要的包import random import matplotlib.pyplot as pltimport seaborn as sns#加載所需要的包import random import matplotlib.pyplot as pltimport seaborn as sns

01 random

描述：random.random() 用于生成一個0到1的隨機符點數: 0 <= n < 1.0

語法：random.random()

L = [0,1,2,3,4,5]random.choice(L)2L = 'wofeichangshuai'random.choice(L)'h'

02 choice

描述：從非空序列seq中隨機選取一個元素。如果seq為空則彈出 IndexError異常。

語法：random.choice( seq)seq 可以是一個列表，元組或字符串。

L = [0,1,2,3,4,5]random.choice(L)2L = 'wofeichangshuai'random.choice(L)'h'

03 choices

描述：從集群中隨機選取k次數據，返回一個列表，可以設置權重。

注意每次選取都不會影響原序列，每一次選取都是基于原序列。

語法：random.choices(population,weights=None,*,cum_weights=None,k=1)

參數：

• population：集群。
• weights：相對權重。
• cum_weights：累加權重。
• k：選取次數。

random.getrandbits(10)379

04 getrandbits

描述：返回一個不大于K位的Python整數(十進制)，比如k=10，則結果在0~2^10之間的整數。

語法：random.getrandbits(k)

random.getrandbits(10)379

05 getstate

描述：返回一個捕獲到的 生成器當前內部狀態 的對象，可以將此對象傳遞給 setstate() 以恢復到這個狀態。

語法：random.getstate()

06 setstate

描述：state 應該是從之前調用 getstate() 獲得的，而 setstate() 將生成器的內部狀態恢復到調用 getstate() 時的狀態。根據下面的例子可以看出，由于生成器內部狀態相同時會生成相同的下一個隨機數，我們可以使用 getstate() 和 setstate() 對生成器內部狀態進行獲取和重置到某一狀態下。

語法：random.setstate(state)

state = random.getstate()random.random()0.489148634943?random.random()0.22359638172661822?random.setstate(state)random.random()0.48914863494?

07 randint

描述：用于生成一個指定范圍內的整數。

語法：random.randint(a, b)，其中參數a是下限，參數b是上限，生成的隨機數n: a <= n <= b

random.randint(1, 8)3random.randint(1, 8)4

08 randrange

描述：按指定基數遞增的集合中 獲取一個隨機數。如：random.randrange(10, 100, 2)，結果相當于從[10, 12, 14, 16, … 96, 98]序列中獲取一個隨機數，random.randrange(10, 100, 2)在結果上與 random.choice(range(10, 100, 2) 等效。

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

• 不指定step，隨機生成[a,b)范圍內一個整數。
• 指定step，step作為步長會進一步限制[a,b)的范圍，比如randrange(0,11,2)意即生成[0,11)范圍內的隨機偶數。
• 不指定a，則默認從0開始。

#不限制[random.randrange(0,11) for i in range(5)][4, 6, 3, 9, 5]?#隨機偶數，運行5個數[random.randrange(0,11,2) for i in range(5)][2, 4, 8, 8, 6]

09 sample

描述：從population樣本或集合中隨機抽取K個不重復的元素形成新的序列。常用于不重復的隨機抽樣。返回的是一個新的序列，不會破壞原有序列。要從一個整數區間隨機抽取一定數量的整數，請使用sample(range(1000000), k=60)類似的方法，這非常有效和節省空間。如果k大于population的長度，則彈出ValueError異常。

語法：random.sample(population, k)

注意：與random.choices()的區別：一個是選取k次，一個是選取k個，選取k次的相當于選取后又放回，選取k個則選取后不放回。故random.sample()的k值不能超出集群的元素個數。

random.sample(range(1000), k=5)[82, 678, 664, 177, 376]?L = [0,1,2,3,4,5]random.sample(L,3)[5, 3, 1]?random.sample(L,3)[2, 4, 5]

10 seed

描述：初始化偽隨機數生成器。如果未提供a或者a=None，則使用系統時間為種子。如果a是一個整數，則作為種子。偽隨機數生成模塊。如果不提供 seed，默認使用系統時間。使用相同的 seed，可以獲得完全相同的隨機數序列，常用于算法改進測試。

語法：random.seed(a=None, version=2)

a = random.Random()a.seed(1)[a.randint(1, 100) for i in range(20)][14, 85, 77, 26, 50, 45, 66, 79, 10, 3, 84, 44, 77, 1, 45, 73, 23, 95, 91, 4]?b =random.Random()b.seed(1)[b.randint(1, 100) for i in range(20)][14, 85, 77, 26, 50, 45, 66, 79, 10, 3, 84, 44, 77, 1, 45, 73, 23, 95, 91, 4]

11 shuffle

描述：用于將一個列表中的元素打亂。只能針對可變的序列，對于不可變序列，請使用下面的sample()方法。

語法：random.shuffle(x)

L = [0,1,2,3,4,5]random.shuffle(L)L[5, 4, 1, 0, 3, 2]

12 uniform

描述：產生[a,b]范圍內一個隨機浮點數。uniform()的a，b參數不需要遵循a<=b的規則，即a小b大也可以，此時生成[b,a]范圍內的隨機浮點數。

語法：random.uniform(x, y)

random.uniform(10, 11)10.789198208817488

13 vonmisesvariate

描述：卡帕分布

語法：vonmisesvariate(mu, kappa)

data = [random.vonmisesvariate(2,2) for i in range(20000)]#直方圖plt.hist(data, bins=100, color="#FF0000", alpha=.7)#密度圖sns.kdeplot(data, shade=True,color="#FF0000")

直方圖

密度圖

14 triangular

描述：返回一個low <= N <=high的三角形分布的隨機數。參數mode指明眾數出現位置。

語法： random.triangular(low, high, mode)

data = [random.vonmisesvariate(2,2) for i in range(20000)]#直方圖plt.hist(data, bins=100, color="#FF0000", alpha=.7)#密度圖sns.kdeplot(data, shade=True,color="#FF0000")

直方圖

密度圖無法顯示

15 weibullvariate

描述：威布爾分布

語法：random.weibullvariate(alpha, beta)

data = [random.weibullvariate(1,2) for i in range(20000)]#直方圖plt.hist(data, bins=100, color="#FF0000", alpha=.7)sns.kdeplot(data, shade=True,color="#FF0000")

直方圖

密度圖

16 betavariate

描述： β分布

語法：random.betavariate(alpha, beta)

data = [random.expovariate(2) for i in range(50000)]#直方圖plt.hist(data, bins=100, color="#FF0000", alpha=.7)#密度圖sns.kdeplot(data, shade=True,color="#FF0000")

直方圖

密度圖

17 expovariate

描述：指數分布

語法：random.expovariate(lambd)

data = [random.expovariate(2) for i in range(50000)]#直方圖plt.hist(data, bins=100, color="#FF0000", alpha=.7)#密度圖sns.kdeplot(data, shade=True,color="#FF0000")

直方圖

密度圖

18 gammavariate

描述： 伽馬分布

語法：random.gammavariate(alpha, beta)

data = [random.gauss(2,2) for i in range(50000)]#直方圖plt.hist(data, bins=100, color="#FF0000", alpha=.7)#密度圖sns.kdeplot(data, shade=True,color="#FF0000")

直方圖

密度圖

19 gauss

描述：高斯分布

語法：random.gauss(mu, sigma)

data = [random.gauss(2,2) for i in range(50000)]#直方圖plt.hist(data, bins=100, color="#FF0000", alpha=.7)#密度圖sns.kdeplot(data, shade=True,color="#FF0000")

直方圖

密度圖

20 lognormvariate

描述：對數正態分布

語法：random.lognormvariate(mu, sigma)

示例：

data = [random.gauss(2,2) for i in range(50000)]#直方圖plt.hist(data, bins=100, color="#FF0000", alpha=.7)#密度圖sns.kdeplot(data, shade=True,color="#FF0000")

直方圖

密度圖

21 normalvariate

描述： 正態分布

語法：random.normalvariate(mu, sigma)

data = [random.normalvariate(2,4) for i in range(20000)]#直方圖plt.hist(data, bins=100, color="#FF0000", alpha=.7)#密度圖sns.kdeplot(data, shade=True,color="#FF0000")

直方圖

密度圖

22 paretovariate

描述：帕累托分布

語法：random.paretovariate(alpha)

data = [random.paretovariate(4) for i in range(50000)]#直方圖plt.hist(data, bins=100, color="#FF0000", alpha=.7)#密度圖sns.kdeplot(data, shade=True,color="#FF0000")

直方圖

密度圖

總結

以上是生活随笔為你收集整理的c# 从一组数中随机抽取一定个数_Python随机模块22个函数详解的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。