本模块提供了生成要求安全度不高的随机数。如果需要更高安全的随机数产生，需要使用os.urandom()或者SystmeRandom模块。
random.seed(a=None, version=2)
初始化随机数据的种子数值。如果a是None值，会取采用当前系统时间作为种子值。如果a是一个int类型的值，则会直接使用。参数version是版本兼容，如果为版本2时，对于str，bytes，bytearray采用int类型返回；在版本1时，采用hash()返回。
例子：
#python 3.4
from random import *
r = seed()
print(r)
r = random()
print(r)
r = random()
print(r)
结果输出如下：
None
0.25563594631743225
0.8596359931999921
random.getstate()
获取当前随机数的环境状态，以便下次再使用。
例子：
#python 3.4
from random import *
r = seed()
print(r)
r = getstate()
print(r)
结果输出如下：
None
(3, (2147483648, 1806585935, 2218797231, 963762379, 2448530300, 4223961651, 2167919184, 3727107355, 2403035413,
...
1296424577, 1100183651, 306611027, 444923926, 1168100930, 624), None)
random.setstate(state)
恢复上一次获取的状态，上次的状态使用getstate()来获取。
例子：
#python 3.4
from random import *
r = seed()
print(r)
r = getstate()
print(random())
setstate(r)
print(random())
结果输出如下：
None
0.38424833141530745
0.38424833141530745
random.getrandbits(k)
返回指定k位数的随机整数值。
例子：
#python 3.4
from random import *
r = seed()
r = getrandbits(4)
print(r)
r = getrandbits(4)
print(r)
结果输出如下：
4
9
random.randrange(stop)
random.randrange(start, stop[, step])
返回一个指定范围内的随机值。stop是最大值的整数边界。start是起始值，step是每个值之间的间隔。返回的值大于等于start，小于stop。
例子：
#python 3.4
from random import *
r = seed()
r = randrange(5)
print(r)
r = randrange(0, 10, 2)
print(r)
结果输出如下：
2
8
random.randint(a, b)
返回一个整数，它的范围是a <= N <=b。
例子：
#python 3.4
from random import *
r = seed()
r = randint(1, 2)
print(r)
r = randint(1, 2)
print(r)
结果输出如下：
2
1
random.choice(seq)
从一个非空的序列里返回一个元素，如果为空的序列就抛出异常InexError。
例子：
#python 3.4
from random import *
r = seed()
r = choice(['a', 'b', 'c'])
print(r)
r = choice(['a', 'b', 'c'])
print(r)
结果输出如下：
c
a
random.shuffle(x[, random])
对序列x进行随机移动元素的位置。可选参数random是一个返回随机浮点数[0.0, 1.0)之间的函数。
例子：
#python 3.4
from random import *
r = seed()
l = ['a', 'b', 'c', 'd']
print(l)
r = shuffle(l)
print(r, l)
结果输出如下：
['a', 'b', 'c', 'd']
None ['b', 'd', 'a', 'c']
random.sample(population, k)
从序列population里随机地返回k个元素的序列。
例子：
#python 3.4
from random import *
r = seed()
l = ['a', 'b', 'c', 'd']
print(l)
r = sample(l, 3)
print(r)
结果输出如下：
['a', 'b', 'c', 'd']
['c', 'a', 'b']
random.random()
返回范围在[0.0, 1.0)之间的随机浮点数。
例子：
#python 3.4
from random import *
r = seed()
r = random()
print(r)
结果输出如下：
0.3916060348292988
random.uniform(a, b)
在a和b区间返回一个随机浮点数。如果a <= b则返回 a <= N <= b；如果 b < a则返回b <= N <= a。
例子：
#python 3.4
from random import *
r = seed()
r = uniform(1.0, 2.5)
print(r)
r = uniform(8.0, 2.5)
print(r)
结果输出如下：
1.6498941793878243
4.22188785768826
random.triangular(low, high, mode)
返回三角形分布的随机数， low <= N <= high。参数mode指明众数出现位置。
例子：
#python 3.4
from random import *
r = seed()
r = triangular(-3, 8, 0.8)
print(r)
r = triangular(-3, 8, 10)
print(r)
结果输出如下：
1.5058316902823226
0.27606363975774073
random.betavariate(alpha, beta)
返回 beta分布的随机数，参数alpha是大于0的值，参数beta是大于0的值。返回值的区间在0和1之间。
例子：
#python 3.4
from random import *
r = seed()
r = betavariate(1, 2)
print(r)
r = betavariate(1, 2)
print(r)
结果输出如下：
0.11852634010531515
0.029427309916706654
random.expovariate(lambd)
返回指数分布的随机数。参数lambd是正值，刚从0到正无限大的值；参数lambd是负值，则返回负无穷大到0的值。
例子：
#python 3.4
from random import *
r = seed()
r = expovariate(1)
print(r)
r = expovariate(-3)
print(r)
结果输出如下：
0.2003044059401706
-0.1785055187658876
random.gammavariate(alpha, beta)
伽玛分布的随机数。
x ** (alpha - 1) * math.exp(-x / beta)
pdf(x) = --------------------------------------
math.gamma(alpha) * beta ** alpha
例子：
#python 3.4
from random import *
r = seed()
r = gammavariate(1, 2)
print(r)
r = gammavariate(1, 2)
print(r)
结果输出如下：
0.5413328891492575
4.139239480698503
random.gauss(mu, sigma)
返回高斯分布的随机数。参数mu是一个平均数，sigma是绝对偏差。
例子：
#python 3.4
from random import *
r = seed()
r = gauss(1, 2)
print(r)
r = gauss(1, 2)
print(r)
结果输出如下：
2.8846358328647543
-0.7848726717436769
random.lognormvariate(mu, sigma)
对数分布的随机数。mu是一个平均数，sigma是一个绝对偏差。
例子：
#python 3.4
from random import *
r = seed()
r = lognormvariate(1, 2)
print(r)
r = lognormvariate(1, 2)
print(r)
结果输出如下：
3.4904102483152704
1.7560462679767879
random.normalvariate(mu, sigma)
正态分布的随机数。参数mu是一个平均数，sigma是标准方差。
例子：
#python 3.4
from random import *
r = seed()
r = normalvariate(1, 2)
print(r)
r = normalvariate(1, 2)
print(r)
结果输出如下：
1.7317832780485172
2.1163922446170247
random.vonmisesvariate(mu, kappa)
返回冯米塞斯分布的随机数。参数mu是平均角度，使用弧度表示，范围在0到2*pi之间。参数kappa是集中程度参数，是一个大于等于0的值。
例子：
#python 3.4
from random import *
r = seed()
r = vonmisesvariate(1, 2)
print(r)
r = vonmisesvariate(1, 2)
print(r)
结果输出如下：
0.9831582967095295
2.3340486646429404
random.paretovariate(alpha)
返回帕累托分布的随机数。参数alpha是一个模型参数。
例子：
#python 3.4
from random import *
r = seed()
r = paretovariate(2)
print(r)
r = paretovariate(2)
print(r)
结果输出如下：
1.1031942255648155
2.3128974772541597
random.weibullvariate(alpha, beta)
返回韦伯分布的随机数。参数alpha是缩放系统，参数beta是模型参数。
例子：
#python 3.4
from random import *
r = seed()
r = weibullvariate(2, 1)
print(r)
r = weibullvariate(2, 1)
print(r)
结果输出如下：
1.1790484913990984
5.519287151687428
class random.SystemRandom([seed])
使用操作系统底层产生随机数，但是不是所有系统平台都是可用的。
例子：
#python 3.4
from random import *
r = SystemRandom()
print(r)
print(r.random())
结果输出如下：
<random.SystemRandom object at 0x03180070>
0.466491601955791
蔡军生 QQ:9073204 深圳