Python的random操作

random中的主要函數有：

random.random()：獲取一個隨機的浮點數，范圍是在0.0~1.0之間

random.uniform()：uniform(self, a, b) —— 產生區間內的隨機浮點數

random.randint()：randint(self, a, b) —— 生成區間內（包括端點）的整型數據

random.choice()：choice(self, seq) —— 隨機取序列的一個元素

random.choices(population,weights=None,*,cum_weights=None,k=1) —— 在原來數據的基礎上隨機選取k次數據，返回一個列表，可以設置權重

random.shuffle()：shuffle(self, x, random=None)：直接隨機原地打亂數據，返回值是None，因為原值被改變了

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

random.randrange(a,b,step)：根據一定步長，在區間內隨機取值

random.gauss(self, mu, sigma)：生成滿足一定均值mu和標准差sigma的高斯分布浮點數

例子如下：

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

1. random.random()

d = random.random() # 一個隨機的浮點數，范圍是在0.0~1.0之間
print(d)

2. random.uniform()

f = random.uniform(1,3) #產生區間內的隨機浮點數
print(f)

3. random.randint()

e = random.randint(1,7)  #生成1-7之間（包括端點）的整型數據
print(e)

4. random.choice()

b = random.choice(a)  #隨機取一個元素
print(b)

5. random.choices()

c = random.choices(a, weights=[1,1,1,1,1,1], k=2)  #重復在原來的基礎上取k次數據，weights=[1,1,1,1,1,1]表示各個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)  #為0表示取到該位置的值的概率為0: 0/(0+0+0+0+0+1)=0
print(c)

#累計權重cum_weights=[0,1,1,1,1,1]，理解的時候最好是轉換一下轉成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)  #直接隨機原地打亂數據，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個元素
print(g)

8. random.randrange()

# random.randrange(a,b,step)
j = random.randrange(0,10,2) #步長為2的話，會生成范圍內的隨機偶數
print(j)

9. random.gauss()

h = random.gauss(0,1)  # 生成滿足一定均值和標准差的高斯分布浮點數
print(h)

##

參考：

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

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

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