这篇文章主要讲解了“python random模块高频使用方法有哪些”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“python random模块高频使用方法有哪些”吧！

创新互联坚持“要么做到，要么别承诺”的工作理念，服务领域包括：成都网站设计、成都网站建设、企业官网、英文网站、手机端网站、网站推广等服务，满足客户于互联网时代的莱州网站设计、移动媒体设计的需求，帮助企业找到有效的互联网解决方案。努力成为您成熟可靠的网络建设合作伙伴！

为了方便大家理解和记忆，将方法进行了归类：

整数用函数

• random.randrange(stop)随机返回[0, stop-1]之间的整数

• random.randrange(start, stop, step)随机返回[start, stop-1]之间的整数。step是递增计数，列一个公式你就明白了：(随机生成的值—start)%step=0

• random.randint(start, stop)随机返回[start, stop]之间的整数

• random.getrandbits(bits)用于随机对应bits位的整数随机返回[0, 2的bits位-1]之间的整数。

最后需要注意一点：上面的几个方法也是可以随机返回负数的，只需要参数传承负数就可以了。下面举个例子：

    # 0-2之间的整数    print(random.randrange(3))    # 1-299之间的整数，增长基数是5    print(random.randrange(1, 300, 5))    # 1-20之间的整数    print(random.randint(1, 20))    # -3到0之间的负数    print(random.randint(-3, 0))    # -3到-1之间的负数    print(random.randrange(-3, 0))    # 返回1~2-1之间的数字    print(random.randrange(1))    # 返回1~2的32次方-1之间的数字    print(random.getrandbits(32))        ## 返回值    0    1    17    0    -1    0    3150567570

浮点型函数

• random.random()随机返回[0,1)之间的浮点型数字

• random.uniform(a, b)随机返回[a,b)之间的浮点数字

其实上面的两个方法也是符合数学随机分布模式的，为了方便大家理解，我这里单独列出来(区别于下面的 数学分布模式)，方便大家在随机生成浮点型数字时，能少些犹豫。

# 1. 生成一个0-1之间随机浮点数print(random.random())# 2. 生成一个a-b之间的随机浮点数print(random.uniform(10, 500))print(random.uniform(40, 10))    # 返回值  0.7833926665736892  150.2805875943869  39.88236257691508

序列函数

顾名思义，序列函数随机的对象是列表。

• random.choice(list)从list随机返回一个元素。

• random.choices(list, weights,k)相当于random.choice()的升级版本。weights是权重，针对list的每个元素都设置权重，来改变随机的概率。k是返回几个元素。需要注意这个方法返回的是列表。

• random.sample( population, k )3.6新增功能，用于从population列表中，返回随机无重复的抽样。前面提过抽奖，其实如果你想做一个抽奖系统，可以用这个方法改造。

• random.shuffle(list)将list列表中的元素随机打乱。

对应的例子如下：

  # 从给定的序列中随机选择一个元素  print(random.choice([1, 2, 3, 4, 5]))  # random.choice的升级版本，还可以指定某个元素对应的权重  print(random.choices([1, 2, 3, 4, 5], [10, 15, 45, 50, 60]))  # 打乱某个序列，从python3.6新增的方法  list_test = [2, 3, 4, 5, 6]  random.shuffle(list_test)  print(list_test)  # 取样，从某个列表中，随机选择若干个元素  print(random.sample([1, 2, 3, 4, 5, 6, 7], k=3))  # 返回值  3  [5]  [6, 3, 4, 2, 5]  [6, 1, 7]

控制random的行为

• random.seed( a=None, version=2 )设置random的种子值，怎么理解种子值呢？大家就想一句话就好了：“种瓜得瓜种豆得豆”，所以一样的种子值，那么种出来的结果是一样的。假如现在随机两次，在调用random随机生成数据前，将random.seed设置成一样的值，则随机生成的值是一样的。

• random.getstate()这个很简单，就是返回random生成器当前的状态的。

• random.setstate(state)这个用于设置random的状态setstate和getstate方法结合起来使用，可以用于恢复random的状态。

对应的例子如下：

 # 验证seed random.seed(1) print(random.randrange(1000)) random.seed(1) print(random.randrange(1000)) # 验证random的状态 state = random.getstate() print(random.randrange(1000)) print(random.randrange(1000)) random.setstate(state) print(random.randrange(1000))  # 返回结果  137  137  582  867  582

数学分布模式

下面列的这些方法都是跟数学分布的概念有关系，说实话大学里学的相关的东西，都还给老师了，我查了资料想去理解不同的数学分布的知识，但是理解起来有些吃力，不过其实对我们使用的人来说，只需要理解其能根据一定规则，随机返回浮点数就可以了。

• random.triangular(low, high, mode) 以三角分布的概率分布返回随机数

• random.betavariate(alpha, beta) 以beta分布的概率分布返回0到1之间的随机数

• random.expovariate() 以指数分布返回随机数

• random.gammavariate(alpha, beta) 以gamma分布的概率分布返回随机数

• random.gauss(mu, sigma) 以高斯分布的概率分布返回随机数

• random.lognormvariate(mu, sigma) 以对数正态分布的概率分布返回随机数

• random.normalvariate(mu, sigma) 和高斯分布类似

• random.vonmisesvariate(mu, kappa) 以von Mises分布的概率分布返回随机数

• random.paretovariate(alpha) 以Pareto（ 帕累托）分布的概率分布返回随机数

• random.weibullvariate(alpha, beta) 以Weibull（威尔布）分布的概率分布返回随机数

其实大家也不需要完全记住上面的方法，碰到具体的使用场景，知道有对应的方法，能查看文档找到就可以了。

感谢各位的阅读，以上就是“python random模块高频使用方法有哪些”的内容了，经过本文的学习后，相信大家对python random模块高频使用方法有哪些这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是创新互联，小编将为大家推送更多相关知识点的文章，欢迎关注！

当前题目：pythonrandom模块高频使用方法有哪些
转载来于：http://mzwzsj.com/article/jgohho.html