Python的random操作

random中的主要函数有：

random.random()：获取一个随机的浮点数，范围是在0.0~1.0之间

random.uniform()：uniform(self, a, b) —— 产生区间内的随机浮点数

random.randint()：randint(self, a, b) —— 生成区间内（包括端点）的整型数据

random.choice()：choice(self, seq) —— 随机取序列的一个元素

random.choices(population,weights=None,*,cum_weights=None,k=1) —— 在原来数据的基础上随机选取k次数据，返回一个列表，可以设置权重

random.shuffle()：shuffle(self, x, random=None)：直接随机原地打乱数据，返回值是None，因为原值被改变了

random.sample()：sample(self, population, k)：取原序列中的k个元素

random.randrange(a,b,step)：根据一定步长，在区间内随机取值

random.gauss(self, mu, sigma)：生成满足一定均值mu和标准差sigma的高斯分布浮点数

例子如下：

import random
# random.seed(1)
a = [1, 2, 'where','天气','时间','happy new year']

1. random.random()

d = random.random() # 一个随机的浮点数，范围是在0.0~1.0之间
print(d)

2. random.uniform()

f = random.uniform(1,3) #产生区间内的随机浮点数
print(f)

3. random.randint()

e = random.randint(1,7)  #生成1-7之间（包括端点）的整型数据
print(e)

4. random.choice()

b = random.choice(a)  #随机取一个元素
print(b)

5. random.choices()

c = random.choices(a, weights=[1,1,1,1,1,1], k=2)  #重复在原来的基础上取k次数据，weights=[1,1,1,1,1,1]表示各个位置的取值概率一致: 1/(1+1+1+1+1+1)=1/6
print(c)

c = random.choices(a, weights=[0,0,0,0,0,1], k=2)  #为0表示取到该位置的值的概率为0: 0/(0+0+0+0+0+1)=0
print(c)

#累计权重cum_weights=[0,1,1,1,1,1]，理解的时候最好是转换一下转成weights，可以得到：weights=[0,1,0,0,0,0]=[0,1-0,1-1,1-1,1-1,1-1]
c = random.choices(a, cum_weights=[0,1,1,1,1,1], k=2)
print(c)

6. random.shuffle()

random.shuffle(a)  #直接随机原地打乱数据，返回值是None
print(a)

7. random.sample()

# random.sample(population,n)
g = random.sample(a,2) #取原序列中的n个元素
print(g)

8. random.randrange()

# random.randrange(a,b,step)
j = random.randrange(0,10,2) #步长为2的话，会生成范围内的随机偶数
print(j)

9. random.gauss()

h = random.gauss(0,1)  # 生成满足一定均值和标准差的高斯分布浮点数
print(h)

##

参考：

https://www.cnblogs.com/dylancao/p/8202888.html

https://www.sohu.com/a/237831880_697896

https://blog.csdn.net/ckk727/article/details/99548223