python 生成随机数的三种方法_生成随机数python

1. 使用 random 包生成随机数

可以生成
均匀分布，
高斯分布，（包括正态分布）
指数分布，（与泊松分布有区别：泊松分布表示一段时间发生多少次，而指数分布表示两次发生的时间间隔）
贝塔分布，
韦布尔分布的随机数

由此可见， random 包支持的随机分布比较有限，功能较少 .

例如：
(1) 生成 [1, 10] 内的均匀分布随机数

import random
random.uniform(1, 10)
(2) 生成 [1, 10] 内的随机整数 
random.randint(1, 10)
(3) 生成一个正态分布的随机数，均值为 5， 标准差为 1 
random.gauss(5, 1)
(4) 生成一个指数分布的随机数，均值为 5 
 random.expovariate(0.2)
Out[37]: 4.670169382329602
2. 使用 numpy 包生成随机数
 
numpy 包的 random 方法基本支持所有分布，并且能够一次生成多行多列的随机数. 
例如：
 (1) 生成 [1, 10] 内的均匀分布随机数， 2 行 2 列 
import numpy as np
np.random.uniform(1, 10, [2,2])
(2) 生成 [1, 10] 内的随机整数， 2 行 2 列 
np.random.randint(1, 10, [2,2])
(3) 生成一个正态分布的随机数，均值为 5， 标准差为 1， 2 行 2 列 
np.random.normal(5, 1, [2,2])
(4) 生成一个泊松分布的随机数，均值为 5， 2 行 2 列 
np.random.poisson(5, [2,2])
(4) 生成一个指数分布的随机数，均值为 5， 2 行 2 列 
np.random.exponential(5, [2,2])
3. 使用 scipy 包生成随机数
 
用 scipy 包不同分布函数自带的 rvs 生成随机数，例如，生成一个正态分布的 2 行 2 列随机数，均值为 5， 标准差为 1： 
import scipy.stats as st
st.norm.rvs(loc=5, scale=1, size=[2,2])
生成一个泊松分布的 2 行 2 列随机数，均值为 5： 
st.poisson.rvs(mu=5, size=[2,2])
                    1. 使用 random 包生成随机数可以生成均匀分布，高斯分布，（包括正态分布）指数分布，（与泊松分布有区别：泊松分布表示一段时间发生多少次，而指数分布表示两次发生的时间间隔）贝塔分布，韦布尔分布的随机数由此可见，random 包支持的随机分布比较有限，功能较少.例如：(1) 生成 [1, 10] 内的均匀分布随机数random.uniform(1, 10)Out[29]:......
				如果你对在Python生成随机数与random模块中最常用的几个函数的关系与不懂之处，下面的文章就是对Python生成随机数与random模块中最常用的几个函数的关系，希望你会有所收获，以下就是这篇文章的介绍。
random.random()用于生成
用于生成一个指定范围内的随机符点数，两个参数其中一个是上限，一个是下限。如果a > b，则生成随机数
n: a <= n <= b。如果 a <b， 则 b <= n <= a。
print random.uniform(10, 20)
print random.uniform(20, 10)
#----
#18.7356606526