Python中的random模块用于随机数生成，对几个random模块中的函数进行简单介绍。如下：
random.random()
用于生成一个0到1的随机浮点数。如：
import random random.random（）
输出：
0.3701787746508932
random.uniform(a,b)
用于生成一个指定范围内的随机浮点数，两个参数一个是上线，一个是下线。如：
random.uniform(10,20)
输出：
16.878776709127855
random.randint(a,b)
用于生成指定范围内的整数，生成上线和下线之间的随机数，如：
random.randint(10,20)
输出：
14
random.randrange([start], stop[, step])
从指定范围内，按指定基数递增的集合中 获取一个随机数。如：
random.randrange(10, 100, 2)
结果相当于从[10, 12, 14, 16, … 96, 98]序列中获取一个随机数。
random.choice(sequence)
参数sequence表示一个有序类型。这里要说明 一下：sequence在python不是一种特定的类型，而是泛指一系列的类型。list, tuple, 字符串都属于sequence。如：
random.choice((“Tuple”,”List”, “Dict”))
输出：
List
random.shuffle(x[, random])
用于将一个列表中的元素打乱,如：
x=[“Python”,”data”,”random”,”Mining”,”good”] random.shuffle(x) print x
输出：
[‘Python’, ‘Mining’, ‘good’, ‘random’, ‘data’]
random.sample(sequence, k)
从指定序列中随机获取指定长度的片断。sample函数不会修改原有序列,如：
lists=[1,2,3,4,5,6,7,8,10] a=random.sample(lists,3) print a
输出：
[4, 7, 5]
在numpy模块中有random模块，这两个模块在功能方面和性能方面有一定的差别，numpy.random模块有以下一些函数和功能模型：
numpy.random.rand(d0, d1, …, dn)：
其中d0, d1, …, dn为整数（int）型，输出一个shape为（d0, d1, …, dn）的矩阵。如：
np.random.rand(3,2)
输出:
array([ [ 0.14022471, 0.96360618], [ 0.37601032, 0.25528411], [ 0.49313049, 0.94909878] ])
numpy.random.randn(d0, d1, …, dn)
其中d0, d1, …, dn)为整数型，输出标准正太分布的矩阵。
生产的分布，则sigma * np.random.randn(…) + mu，如下：
若我们要生成满足正太分布为N(3，2.5^2)，2行4列的array
2.5 * np.random.randn(2, 4) + 3
输出：
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)
生产一定范围内的元素为整数的array。
low为下限，size为生成的array大小，如果high为none则生成0~low的均匀分布随机数，若指定了high，那么生产low~high的均匀分布随机数。如生产2×4的在（0，4）的array，则：
np.random.randint(5, size=(2, 4))
输出：
array([ [4, 0, 2, 1], [3, 2, 2, 0] ])
