【摘要】python生产随机数字的方法是：1、利用random库的randint函数生成随机整数、uniform函数随机生成浮点数等；2、利用第三方库numpy中randn函数

python生产随机数字的方法是：1、利用random库的randint函数生成随机整数、uniform函数随机生成浮点数等；2、利用第三方库numpy中randn函数生成符合正态分布的随机矩阵。

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。

OUTLINE

• random模块

• numpy中的random函数

• 总结

random模块

random模块中将近有7个函数都是可以用来生成随机数的：

① random.random()
功能：随机生成一个 [0,1) 的浮点数
用法：

import random
number = random.random()
# 输出：0.7178886135325596

② random.uniform(a,b)
功能：随机生成一个 [a,b) 的浮点数
用法：

number = random.uniform(2,4)
# 输出：2.070517705689751

③ random.randint(a,b)
功能：随机生成一个 [a,b] 的整数
用法：

number = random.randint(2,4)
# 输出：3

④ random.randrange(a,b,step)
功能：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
用法：

number = random.randrange(2,10,2)
# 输出：2

⑤ random.choice(sequence)
功能：从一个已有的sequence中随机选择一个元素
用法：

number = random.choice(range(2,10))
# 输出：6
number = random.choice('anbegvdje')
# 输出：g

⑥ random.sample(sequence,k)
功能：从某一序列中获取指定长度的片段
用法：

a = ['香蕉','苹果','橘子','眼影','眼线']
b = random.sample(a,2)# 输出：['橘子', '苹果']

⑦ random.shuffle(列表)
功能：打乱一个列表的元素顺序
用法：

a = ['香蕉','苹果','橘子','眼影','眼线']
random.shuffle(a) # 打乱这个操作不需要重新定义对象，它作用的是对象本身
# 输出：['眼线', '苹果', '眼影', '橘子', '香蕉']

numpy中的random函数

numpy中的random函数可以调用的方法主要有两种，一种是生成随机浮点数，二是生成随机整数。

① np.random.randn(a,b)
功能：生成a*b维的随机数，且该数服从标准正太分布
用法：

data = np.random.randn(5,4)
# 输出：
array([[-1.6101468 , -0.81103612,  0.44875047,  0.55987574],
       [-0.33322916,  0.18676658, -0.18424432, -0.84435811],
       [ 0.57654276,  0.28830858, -0.73403656,  1.59404864],
       [ 0.39009202,  0.86239796,  0.66290243, -0.61292579],
       [ 0.03081516,  0.99335315, -0.6875357 ,  0.90552971]])

② random.randint(low,high,size)
功能：生成一个<以low为下限，high为上限，size大小>的随机整数矩阵，其中数值范围包含low，不包含high
用法：

data = np.random.randint(low=2,high=5,size=(5,7))
# 输出:
array([[4, 2, 4, 4, 4, 4, 2],
       [4, 2, 2, 4, 3, 3, 3],
       [3, 4, 3, 4, 3, 3, 4],
       [3, 4, 2, 3, 3, 2, 2],
       [3, 3, 3, 3, 2, 3, 2]])

总结

1、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；

2、对于random模块的函数调用方法的记忆，可以多从它本身的英译出发，并多比较其不同从而加深理解~

推荐课程：Introduction to Even More Python for Beginners（微软官方课程）