隨機數據在平時寫python腳本時會經常被用到，比如隨機生成0和1來控制邏輯、或者從列表中隨機選擇一個元素（其實抽獎程序也類似，就是從公司所有人中隨機選擇中獎用戶）等等。這篇文章，就幫大家整理在python中random模塊使用頻率比較高的方法。
常用方法
爲了方便大家理解和記憶，將方法進行了歸類：
整數用函數
- random.randrange(stop)
- 隨機返回[0, stop-1]之間的整數
- random.randrange(start, stop, step)
- 隨機返回[start, stop-1]之間的整數。
- step是遞增計數，列一個公式你就明白了：(隨機生成的值—start)%step=0
- random.randint(start, stop)
- 隨機返回[start, stop]之間的整數
- random.getrandbits(bits)
- 用於隨機對應bits位的整數
- 隨機返回[0, 2的bits位-1]之間的整數。
最後需要注意一點：上面的幾個方法也是可以隨機返回負數的，只需要參數傳承負數就可以了。下面舉個例子：
# 0-2之間的整數
print(random.randrange(3))
# 1-299之間的整數，增長基數是5
print(random.randrange(1, 300, 5))
# 1-20之間的整數
print(random.randint(1, 20))
# -3到0之間的負數
print(random.randint(-3, 0))
# -3到-1之間的負數
print(random.randrange(-3, 0))
# 返回1~2-1之間的數字
print(random.randrange(1))
# 返回1~2的32次方-1之間的數字
print(random.getrandbits(32))
## 返回值
0
1
17
0
-1
0
3150567570浮點型函數
- random.random()
- 隨機返回[0,1)之間的浮點型數字
- random.uniform(a, b)
- 隨機返回[a,b)之間的浮點數字
其實上面的兩個方法也是符合數學隨機分佈模式的，爲了方便大家理解，我這裏單獨列出來(區別於下面的 數學分佈模式)，方便大家在隨機生成浮點型數字時，能少些猶豫。
# 1. 生成一個0-1之間隨機浮點數
print(random.random())
# 2. 生成一個a-b之間的隨機浮點數
print(random.uniform(10, 500))
print(random.uniform(40, 10))
# 返回值
0.7833926665736892
150.2805875943869
39.88236257691508序列函數
顧名思義，序列函數隨機的對象是列表。
- random.choice(list)
- 從list隨機返回一個元素。
- random.choices(list, weights,k)
- 相當於random.choice()的升級版本。
- weights是權重，針對list的每個元素都設置權重，來改變隨機的概率。
- k是返回幾個元素。需要注意這個方法返回的是列表。
- random.sample( population, k )
- 3.6新增功能，用於從population列表中，返回隨機無重複的抽樣。
- 前面提過抽獎，其實如果你想做一個抽獎系統，可以用這個方法改造。
- random.shuffle(list)
- 將list列表中的元素隨機打亂。
對應的例子如下：
# 從給定的序列中隨機選擇一個元素
print(random.choice([1, 2, 3, 4, 5]))
# random.choice的升級版本，還可以指定某個元素對應的權重
print(random.choices([1, 2, 3, 4, 5], [10, 15, 45, 50, 60]))
# 打亂某個序列，從python3.6新增的方法
list_test = [2, 3, 4, 5, 6]
random.shuffle(list_test)
print(list_test)
# 取樣，從某個列表中，隨機選擇若干個元素
print(random.sample([1, 2, 3, 4, 5, 6, 7], k=3))
# 返回值
3
[5]
[6, 3, 4, 2, 5]
[6, 1, 7]
控制random的行爲
- random.seed( a=None, version=2 )
- 設置random的種子值，怎麼理解種子值呢？大家就想一句話就好了："種瓜得瓜種豆得豆"，所以一樣的種子值，那麼種出來的結果是一樣的。
- 假如現在隨機兩次，在調用random隨機生成數據前，將random.seed設置成一樣的值，則隨機生成的值是一樣的。
- random.getstate()
- 這個很簡單，就是返回random生成器當前的狀態的。
- random.setstate(state)
- 這個用於設置random的狀態
- setstate和getstate方法結合起來使用，可以用於恢復random的狀態。
對應的例子如下：
# 驗證seed
random.seed(1)
print(random.randrange(1000))
random.seed(1)
print(random.randrange(1000))
# 驗證random的狀態
state = random.getstate()
print(random.randrange(1000))
print(random.randrange(1000))
random.setstate(state)
print(random.randrange(1000))
# 返回結果
137
137
582
867
582數學分佈模式
下面列的這些方法都是跟數學分佈的概念有關係，說實話大學裏學的相關的東西，都還給老師了，我查了資料想去理解不同的數學分佈的知識，但是理解起來有些吃力，不過其實對我們使用的人來說，只需要理解其能根據一定規則，隨機返回浮點數就可以了。
- random.triangular(low, high, mode) 以三角分佈的概率分佈返回隨機數
- random.betavariate(alpha, beta) 以beta分佈的概率分佈返回0到1之間的隨機數
- random.expovariate() 以指數分佈返回隨機數
- random.gammavariate(alpha, beta) 以gamma分佈的概率分佈返回隨機數
- random.gauss(mu, sigma) 以高斯分佈的概率分佈返回隨機數
- random.lognormvariate(mu, sigma) 以對數正態分佈的概率分佈返回隨機數
- random.normalvariate(mu, sigma) 和高斯分佈類似
- random.vonmisesvariate(mu, kappa) 以von Mises分佈的概率分佈返回隨機數
- random.paretovariate(alpha) 以Pareto（ 帕累託）分佈的概率分佈返回隨機數
- random.weibullvariate(alpha, beta) 以Weibull（威爾布）分佈的概率分佈返回隨機數
其實大家也不需要完全記住上面的方法，碰到具體的使用場景，知道有對應的方法，能查看文檔找到就可以了。
總結
上面幫大家整理了random模塊高頻使用的方法，相對還是比較簡單的，大家有任何的問題，歡迎留言。
關注【公衆號：軟件測試佈道師】，回覆【python】，即可獲取【python自動化及編程實踐資料】
