python中random.random()函数,random函数的使用方法python
在开始理解之前，我们需要知道random()函数需要导入模板才能被访问。然后，我们可以通过调用静态对象来使用这个方法，返回生成的随机实数，这个随机数有一定的范围。让我们正式开始主题介绍：
先给大家带来一个例子列表“生成-4和7之间的随机数，和为1，打印出匹配栏的两个值”，通过调用random（）函数，代码如下：.
随机输入
(30):
num1=random.randint(-4，8)
num2=random.randint(-4，8)
ifnum1 num2==1:
打印(num1，num 2)运行结果：
-12
2-1
以上是调用：整数用函数
random.randrange(停止)
random.randrange(开始，停止[，步进])
返回从范围(开始、停止、步进)中随机选择的元素。这相当于choice(range(start，stop，step))，但它实际上并不构建range对象。
参数模式匹配范围()。不应使用关键字参数，因为函数可能会以意外的方式使用它们。
拓展random（）函数调用用法以及实例演示
数学实践中常用，函数参数以分布方程中相应的变量命名；这些方程中的大多数可以在任何统计教科书中找到。
-height: 1.75em;">1、random.random()
返回 [0.0, 1.0) 范围内的下一个随机浮点数。
2、random.uniform(a, b)
返回一个随机浮点数 N ，当 a <= b 时 a <= N <= b ，当 b < a 时 b <= N <= a 。
取决于等式 a + (b-a) * random() 中的浮点舍入，终点 b 可以包括或不包括在该范围内。
3、random.triangular(low, high, mode)
返回一个随机浮点数 N ，使得 low <= N <= high 并在这些边界之间使用指定的 mode 。 low 和 high 边界默认为零和一。 mode 参数默认为边界之间的中点，给出对称分布。
4、random.betavariate(alpha, beta)
Beta 分布。 参数的条件是 alpha > 0 和 beta > 0。 返回值的范围介于 0 和 1 之间。
5、random.expovariate(lambd)
指数分布。 lambd 是 1.0 除以所需的平均值，它应该是非零的。 （该参数本应命名为 “lambda” ，但这是 Python 中的保留字。）如果 lambd 为正，则返回值的范围为 0 到正无穷大；如果 lambd 为负，则返回值从负无穷大到 0。
6、random.gammavariate(alpha, beta)
Gamma 分布。 （ 不是 gamma 函数！ ） 参数的条件是 alpha > 0 和 beta > 0。
概率分布函数是:
x**(alpha-1)*math.exp(-x/beta)pdf(x)=--------------------------------------
math.gamma(alpha)*beta**alpha
7、random.gauss(mu, sigma)
高斯分布。 mu 是平均值，sigma 是标准差。 这比下面定义的 normalvariate() 函数略快。
8、random.lognormvariate(mu, sigma)
对数正态分布。 如果你采用这个分布的自然对数，你将得到一个正态分布，平均值为 mu 和标准差为 sigma。 mu 可以是任何值，sigma 必须大于零。
9、random.normalvariate(mu, sigma)
正态分布。 mu 是平均值，sigma 是标准差。
10、random.vonmisesvariate(mu, kappa)
mu 是平均角度，以弧度表示，介于0和 2*pi 之间，kappa 是浓度参数，必须大于或等于零。 如果 kappa 等于零，则该分布在0到 2*pi 的范围内减小到均匀的随机角度。
11、random.paretovariate(alpha)
帕累托分布。 alpha 是形状参数。
12、random.weibullvariate(alpha, beta)
威布尔分布。 alpha 是比例参数，beta 是形状参数。
13、class random.Random([seed])
该类实现了 random 模块所用的默认伪随机数生成器。
14、class random.SystemRandom([seed])
使用 os.urandom() 函数的类，用从操作系统提供的源生成随机数。 这并非适用于所有系统。 也不依赖于软件状态，序列不可重现。 因此，seed() 方法没有效果而被忽略。 getstate() 和 setstate() 方法如果被调用则引发 NotImplementedError。
大多数随机模块的算法和种子函数都会在 Python 版本中发生变化，但保证两个方面不会改变：
1）如果添加了新的播种方法，则将提供向后兼容的播种机。
2）当兼容的播种机被赋予相同的种子时，生成器的 random() 方法将继续产生相同的序列。
基本示例：
>>>random()#Randomfloat:0.0<=x<1.00.37444887175646646
>>>uniform(2.5,10.0)#Randomfloat:2.5<=x<10.0
3.1800146073117523
>>>expovariate(1/5)#Intervalbetweenarrivalsaveraging5seconds
5.148957571865031
>>>randrange(10)#Integerfrom0to9inclusive
7
>>>randrange(0,101,2)#Evenintegerfrom0to100inclusive
26
>>>choice(['win','lose','draw'])#Singlerandomelementfromasequence
'draw'
>>>deck='acetwothreefour'.split()
>>>shuffle(deck)#Shufflealist
>>>deck
['four','two','ace','three']
>>>sample([10,20,30,40,50],k=4)#Foursampleswithoutreplacement
[40,10,50,30]
想必通过以上对python中random()函数的用法结合实例展示，大家已经有一定认知了吧~如需了解更多python实用知识，点击进入PyThon学习网教学中心。
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。