目錄
22、python生成隨機數：uniform(), randint(), gauss(), expovariate()
22.1 模塊：random內建模塊，偽隨機數生成器
使用Mersenne Twister的偽隨機數生成器PRNG進行生成，它以一個確定的數字作為屬於，並為其生成一個隨機數；為了安全起見，不要用PRNG生成隨機數，要用secrets模塊的真隨機數TRNG生成；
22.2 播種隨機數，即用隨機數種子seed控制隨機數
>>> import random
## 1、當不指定種子seed時，PRNG每次生成的數不一樣
>>> print('Random Number 1=>',random.random())
Random Number 1=> 0.21008902332926982
>>> print('Random Number 2=>',random.random())
Random Number 2=> 0.434434837731393
## 2、當指定種子seed時，PRNG每次生成的數是一樣的，所以稱為偽隨機數
>>> random.seed(42)
>>> print('Random Number 1=>',random.random())
Random Number 1=> 0.6394267984578837
>>> random.seed(42)
>>> print('Random Number 2=>',random.random())
Random Number 2=> 0.6394267984578837
22.3 在已知的范圍內生成隨機數，例如[2, 5]，那就可以random.random()*3 + 2, uniform(2,5), randint(2,5)
## 1、random.random()*3 + 2
>>> print('Random Number in range(2,8)=>', random.random()*6+2)
Random Number in range(2,8)=> 2.1500645313360014
## 2、uniform()：獲取開始值和結束值作為參數，返回一個浮點型的隨機數
>>> print('Random Number in range(2,8)=>', random.uniform(2,8))
Random Number in range(2,8)=> 3.6501759102147155
## 3、randint()：和uniform相似，不同的是返回值為一個整數
>>> print('Random Number in range(2,8)=>', random.randint(2,8))
Random Number in range(2,8)=> 3
22.4 從列表中隨機選擇一個值：choice(), choices()
## 1、choice會從這個列表中隨機選擇一個值
>>> a=[5,9,20,10,2,8]
>>> print('Randomly picked number=>',random.choice(a))
Randomly picked number=> 9
>>> print('Randomly picked number=>',random.choice(a))
Randomly picked number=> 8
>>> print('Randomly picked number=>',random.choice(a))
Randomly picked number=> 5
## 2、choices會從這個列表中隨機選擇多個值（隨機數的數量可以超過列表程度）
>>> print('Randomly picked number=>',random.choices(a,k=3))
Randomly picked number=> [5, 20, 5]
>>> print('Randomly picked number=>',random.choices(a,k=3))
Randomly picked number=> [9, 10, 5]
>>> print('Randomly picked number=>',random.choices(a,k=3))
Randomly picked number=> [9, 10, 10]
## 3、choices利用weights將數組作為權重傳遞，增加每個值被選取的可能性
>>> print('Randomly picked number=>',random.choices(a,weights=[1,1,1,3,1,1],k=3))
Randomly picked number=> [5, 5, 2]
>>> print('Randomly picked number=>',random.choices(a,weights=[1,1,1,3,1,1],k=3))
Randomly picked number=> [10, 2, 10]
>>> print('Randomly picked number=>',random.choices(a,weights=[1,1,1,3,1,1],k=3))
Randomly picked number=> [10, 8, 10]
22.5 shuffling改組列表，對列表隨機重排
>>> print('Original list=>',a)
Original list=> [5, 9, 20, 10, 2, 8]
>>> random.shuffle(a)
>>> print('Shuffled list=>',a)
Shuffled list=> [10, 5, 8, 9, 2, 20]
22.6 根據概率分布生成隨機數：gauss(), expovariate()
（1）高斯分布gauss()
>>> import random
>>> import matplotlib.pyplot as plt
>>> temp = []
>>> for i in range(1000):
... temp.append(random.gauss(0,1))
...
>>> plt.hist(temp, bins=30)
>>> plt.show()
（2）變數分布expovariate()：以lambda的值作為參數，lambda為正，則返回從0到正無窮的值；如果lambda為負，則返回從負無窮到0的值
>>> print('Random number from exponential distribution=>',random.expovariate(10))
Random number from exponential distribution=> 0.012164560954097013
>>> print('Random number from exponential distribution=>',random.expovariate(-1))
Random number from exponential distribution=> -0.6461397037921695
（3）伯努利分布
（4）均勻分布
（5）二項分布
（6）正太分布
（7）泊松分布
參考：https://www.analyticsvidhya.com/blog/2020/04/how-to-generate-random-numbers-in-python/?utm_source=feedburner&utm_medium=email&utm_campaign=Feed%3A+AnalyticsVidhya+(Analytics+Vidhya)
其他六種不同的概率分布：https://www.analyticsvidhya.com/blog/2017/09/6-probability-distributions-data-science/?utm_source=blog&utm_medium=how-to-generate-random-numbers-in-python