标签： Python 模块
random是Python内建函数，作用是产生随机数
1.导入模块：
import random
2.random模块下的函数
- random.seed(a=None, version=2)
伪随机数生成模块。如果a为None，默认使用系统时间。若使用相同的a，则可以获得相同的随机数序列。
>>> import random
>>> a = random.seed(1)
>>> [random.randint(1,100) for i in range(20)]
[18, 73, 98, 9, 33, 16, 64, 98, 58, 61, 84, 49, 27, 13, 63, 4, 50, 56, 78, 98]
>>> b = random.seed(1)
>>> [random.randint(1,100) for i in range(20)]
[18, 73, 98, 9, 33, 16, 64, 98, 58, 61, 84, 49, 27, 13, 63, 4, 50, 56, 78, 98]
- random.random()
生成一个0~1之间的随机浮点数（包括0不包括1）。
>>> random.random()
0.767157629147962
- rondom.ranint(a, b)
生成一个a到b(包括a与b)之间的随机整数，a、b必须为整数。
>>> random.randint(1,10)
8
- random.uniform(a, b)
生成一个a,b之间的随机浮点数（不考虑a,b的大小）。
>>> random.uniform(2.5,0.0)
2.0045659174912087
- random.choice(seq)
从非空序列seq中返回一个随机元素。如果seq为空，则引发IndexError。
>>> random.choice([1,2,3,4,5]) #list
1
>>> random.choice('helloworld') #字符串
'l'
>>> random.choice(['hello','world']) #字符串列表
'hello'
>>> random.choice((1,2,3,4,5)) #元组
4
- random.choices(population, weights=None, *, cum_weights=None, k=1)
从population中选择出k个值组成一个新的序列，可以设置相对权重weights和累计权重cum_weights,权重越高被选择到的概率就越大
如果没有指定weights和cum_weights，则选择的概率相等。如果提供了权重序列，它必须与群体序列的长度相同。weights或cum_weights可以使用任何数值类型（包括整数，浮点数，和分数）。
>>> random.choices(['red', 'black', 'green'], [18, 18, 2], k=6)
['black', 'green', 'black', 'black', 'black', 'black']
- random.randrange(start, stop, step)
生成一个从start到stop（不包括stop），间隔为step的一个随机整数。start、stop、step都要为整数。
>>> random.randrange(0, 100, 3)
42
- random.shuffle(x)
将序列x随机混合，直接改变原有的序列，random.shuffle() 是用来打乱列表元素的，没有返回值
>>> a=[1,2,3,4,5,6]
>>> random.shuffle(a)
>>> a
[1, 6, 4, 5, 2, 3]
- random.sample(seq, k)
从序列或集合中选择的唯一元素长度为k的列表。用于无需更换的随机抽样。
>>> a=[1,2,3,4,5,6]
>>> random.sample(a, 3)
[1, 4, 6]
3.伪随机
为什么说random是伪随机？
根据我的理解，random所产生的数其实也是根据一定的计算得到的，并不是实际意义上的随机数。伪就是还是有规律的，只是数量体大到在正常情况下无法印证其非随机性，然则实际上还是会重现重复。
