Python中的random模塊用於隨機數生成，對幾個random模塊中的函數進行簡單介紹。如下：
random.random()
用於生成一個0到1的隨機浮點數。如：
import random random.random（）
輸出：
0.3701787746508932
random.uniform(a,b)
用於生成一個指定范圍內的隨機浮點數，兩個參數一個是上線，一個是下線。如：
random.uniform(10,20)
輸出：
16.878776709127855
random.randint(a,b)
用於生成指定范圍內的整數，生成上線和下線之間的隨機數，如：
random.randint(10,20)
輸出：
14
random.randrange([start], stop[, step])
從指定范圍內，按指定基數遞增的集合中 獲取一個隨機數。如：
random.randrange(10, 100, 2)
結果相當於從[10, 12, 14, 16, … 96, 98]序列中獲取一個隨機數。
random.choice(sequence)
參數sequence表示一個有序類型。這里要說明 一下：sequence在python不是一種特定的類型，而是泛指一系列的類型。list, tuple, 字符串都屬於sequence。如：
random.choice((“Tuple”,”List”, “Dict”))
輸出：
List
random.shuffle(x[, random])
用於將一個列表中的元素打亂,如：
x=[“Python”,”data”,”random”,”Mining”,”good”] random.shuffle(x) print x
輸出：
[‘Python’, ‘Mining’, ‘good’, ‘random’, ‘data’]
random.sample(sequence, k)
從指定序列中隨機獲取指定長度的片斷。sample函數不會修改原有序列,如：
lists=[1,2,3,4,5,6,7,8,10] a=random.sample(lists,3) print a
輸出：
[4, 7, 5]
在numpy模塊中有random模塊，這兩個模塊在功能方面和性能方面有一定的差別，numpy.random模塊有以下一些函數和功能模型：
numpy.random.rand(d0, d1, …, dn)：
其中d0, d1, …, dn為整數（int）型，輸出一個shape為（d0, d1, …, dn）的矩陣。如：
np.random.rand(3,2)
輸出:
array([ [ 0.14022471, 0.96360618], [ 0.37601032, 0.25528411], [ 0.49313049, 0.94909878] ])
numpy.random.randn(d0, d1, …, dn)
其中d0, d1, …, dn)為整數型，輸出標准正太分布的矩陣。
生產的分布，則sigma * np.random.randn(…) + mu，如下：
若我們要生成滿足正太分布為N(3，2.5^2)，2行4列的array
2.5 * np.random.randn(2, 4) + 3
輸出：
array([
[-4.49401501, 4.00950034, -1.81814867, 7.29718677], [ 0.39924804, 4.68456316, 4.99394529, 4.84057254] ])
numpy.random.randint(low, high=None, size=None)
生產一定范圍內的元素為整數的array。
low為下限，size為生成的array大小，如果high為none則生成0~low的均勻分布隨機數，若指定了high，那么生產low~high的均勻分布隨機數。如生產2×4的在（0，4）的array，則：
np.random.randint(5, size=(2, 4))
輸出：
array([ [4, 0, 2, 1], [3, 2, 2, 0] ])