以下所有内容来源于random Documentation。
random库实现了不同分布的伪随机数生成器。该模块的几乎所有函数均依赖于基本函数random()函数，该函数在半开区间[0.0, 1.0)等概率地产生一个随机浮点数。Python使用 Mersenne Twister算法作为核心生成器。作为目前使用最广泛的久经考验的伪随机数生成器之一，其具有很多优点，But being completely determistic(不知道怎么得体的翻译），它并不具有普适性，尤其是密码领域完全不适用。
该模块的所有函数均是random.Random类的实例的方法，所以，可以实例化该类来不共享随机种子，这种方式尤其适用于多线程程序。也可以以该类为父类实现自己的类从而使用其他的随机数生成器，只需要覆写random(), seed(), getstate(), setstate(), jumpahead()函数。也可以提供getrandbits函数从而使用randrange()函数。
注意：该模块不能被适用于安全目的，应该使用os.urandom()或者SystemRandom如果需要密码安全伪随机数生成器。
下面为函数的说明：
random.seed(a=None) # 初始化随机数生成器的内部状态；
getstate(), setstate(), jumpahead(), getrandbits(k)
# 整数函数：
randrange(start, stop[, step]) # 返回一个从range(start, stop, step)随机选择的元素， 等价于choice(range(start, stop, step)，但不创建range对象；
randint(a, b) # 返回一个位于区间[a, b]的一个随机整数；
choice(seq) # 返回非空序列中的一个随机元素，如果序列为空，抛出IndexError错误。
shuffle(x[, ramdom]) # 就地交换序列x（可以用于洗牌）注意，即使对于较小长度的序列x，其组合情况极多，可能会大于随机数生成器的范围。
sample(population, k) # 返回从population中选择的k无重复元素列表，用于模拟不放回随机采样。（或许可以用来发牌）
# 实数函数：
random() # 返回[0.0, 1.0)内的随机浮点数
uniform(a, b) # 均匀分布 相当于a+(b-a)*random()
triangular(low, high, mode) # 下限， 上限， 众数。
betavariate(alpha, beta) # beta分布
expovariate(lambd) # 指数分布
gammavariate(alpha, beta) # Gamma分布
gauss(mu, sigma) # 高斯分布，比normalvariate()更快
lognormvariate(mu, sigma) # 对数正态分布
normalvariate(mu, sigma) # 正态分布
vonmisesvariate(mu, kappa) #
paretovariate(alpha) # Pareto分布
weibullvariate（alpha, beta) # Weibull分布
示例：
示例
