一、random库介绍

random模块就像是一个魔法师，它能够以各种分布的伪随机数的形式，为我们提供看似随机的数字。但是，这些数字其实是经过算法和种子的精心构造，所以我们称之为"伪随机数"。就好像是魔术师用一套特殊的技巧和道具，制造出了一系列令人惊叹的魔术效果一样。

这里的"种子"就像是魔术师的秘密道具，它是生成随机数的基准。最常用的种子就是时间戳，就好像魔术师使用的道具不同，魔术效果也会有所不同。但是，一旦算法和种子确定，那么生成的随机数序列也就确定了，就像魔术师的魔术效果一样，不会有任何变化。

所以，虽然这些数字看起来像是随机的，但实际上它们是按照一定的规律生成的。就像魔术师的魔术一样，看似神奇，但背后都有一套精密的操作方法。所以，我们称之为"伪随机数"，既有随机的外表，又有确定的内在。

import random

二、常用函数

random.seed(a)

这个函数就像是给随机数生成器一个"种子"，让它能够产生相同的随机数序列。你可以把它想象成是给一颗树一个特殊的肥料，让它长出一模一样的树枝和叶子。参数a可以是整数或浮点数，如果不设置，默认会使用系统时间作为种子。所以，如果你想要得到相同的随机数序列，记得使用相同的种子哦！就像是要种出一样的花朵，得用同样的肥料！

import random

print("没有设定种子时")
for i in range(5):
    ret = random.randint(1, 10)
    print(ret, end=" ")
print()

print("设定种子时")
random.seed(1)
for i in range(5):
    ret = random.randint(1, 10)
    print(ret, end=" ")

输出结果：

如上图可以看出：没有显式设定种子时，每次输出的随机数都是不一样的；显式设定种子时，每次输出的随机数都是一样的

random.random()

这个小伙子就像是一个魔术师，每次都能从帽子里变出一个0.0到1.0之间的随机浮点数。你永远不知道他会变出什么数字，就像你永远不知道下一秒会发生什么。所以，准备好迎接这个魔术般的随机数吧！

>>> import random
>>> random.random()
0.9279749775408933
>>> random.random()
0.12720379394341363
>>> random.random()
0.9391670189485866

random.uniform(a,b)

这个函数就像是一个魔术师，可以帮你生成一个范围在[a,b]之间的随机小数。不管你是想要整数还是浮点数，它都能满足你的需求。

想象一下，你正在玩一个数字游戏，你需要随机选择一个数字，但是你又不想太随意，想要在一个特定的范围内选择。这时候，random.uniform(a,b)就像是一个魔法盒子，你只需要告诉它你想要的范围，它就会帮你生成一个随机的数字。

不管是生成一个随机的体重范围，还是一个随机的温度范围，random.uniform(a,b)都可以胜任。它就像是一个无所不能的魔术师，总能帮你找到你想要的数字。

所以，记住，当你需要在一个范围内生成一个随机小数的时候，不要犹豫，召唤random.uniform(a,b)吧！它会帮你解决难题，让你的代码更加有趣和生动！

>>> import random
>>> random.uniform(10.0, 20.0)
10.839441969258752
>>> random.uniform(10.0, 20.0)
12.233491150445115
>>> random.uniform(10, 20)
11.290566243261305

random.randint(a,b)

这个函数就像是一个魔术师，它可以在你的指令下，从帽子里抽出一个[a,b]之间的随机整数！不管是抽奖还是游戏，它都能帮你搞定！就像是一把神奇的魔杖，让你随心所欲地生成随机数字！快来试试吧，让这个函数为你带来意想不到的惊喜！

>>> import random
>>> random.randint(10,100)
100
>>> random.randint(10,100)
83
>>> random.randint(10,100)
66

random.randrange(start, stop, [step])

这个函数就像是一个有趣的数学游戏！它可以帮助你生成一个位于 [start, stop) 范围内的随机整数，而且你还可以指定一个步数来控制它的变化规律。就像是在数学课上，你可以从一个数字跳到另一个数字，而且还可以控制每次跳跃的大小。

让我们来看看这个函数的规则吧：start 是你的起点，stop 是你的终点（不包含在内）。而 step 则是你每次跳跃的大小。如果你不指定 step，那么默认就是每次跳跃一个单位。

举个例子吧！假设你要在 [1, 10) 范围内生成一个随机整数，而且每次跳跃的大小是2。那么你可以使用 random.randrange(1, 10, 2) 这个函数来完成任务。它会帮你随机选择一个起点，然后每次跳跃2个单位，直到达到终点之前。

这个函数就像是一个神奇的数学游戏，让你可以在指定范围内随机选择一个整数，并且还可以控制每次变化的大小。快来试试吧！

随机生成1-100的整数：

>>> import random
>>> random.randrange(1,100)
54
>>> random.randrange(1,100)
21
>>> random.randrange(1,100)
71

随机生成1-100的奇数：

>>> import random
>>> random.randrange(1,100,2)
37
>>> random.randrange(1,100,2)
63
>>> random.randrange(1,100,2)
29

随机生成1-100的偶数：

>>> import random
>>> random.randrange(2,100,2)
62
>>> random.randrange(2,100,2)
6
>>> random.randrange(2,100,2)
46

random.getrandbits(k)

这个函数就像是一个魔术师，可以在内存中制造出一个有着k位长度的随机整数。它就像是一个黑盒子，你只需要告诉它你想要多少位的整数，它就会立即为你创造出来。不过要记住，k必须是一个整数值哦，不然魔术师可是不会听你的话的！

>>> import random
>>> random.getrandbits(10)
29
>>> random.getrandbits(10)
540
>>> random.getrandbits(10)
227

random.choice(seq)

这个函数就像是一个魔术师，它从序列类型seq中随机返回一个元素！可以放各种各样的东西，比如字符串、列表、元组等等。你只需要告诉魔术师你的箱子是什么类型的，它就会随机抽出一个元素给你。不管你的箱子里是什么，这个魔术师都能给你一个惊喜！

在Python的世界里，这个函数就像是一个神奇的抽奖机，你把各种各样的东西放进去，然后它会随机抽出一个给你。无论你放进去的是什么，它都能给你一个意外的惊喜！记住，这个函数只能从序列类型中进行抽选，所以你的箱子一定要是一个序列类型，比如字符串、列表或者元组。让我们来试试这个抽奖机，看看它会给我们带来什么样的惊喜吧！

>>> import random
>>> list = ['a', 'b', 'c', 'd', 'f', 'g']
>>> random.choice(list)
'b'
>>> random.choice(list)
'f'
>>> random.choice(list)
'g'

random.shuffle(seq)

将序列类型中元素随机排序，返回打乱后序列，seq被改变（改变原列表），shuffle为洗牌之意； seq取序列类型：如字符串，列表，元组

这个函数就像是给你的序列类型进行了一场疯狂的派对！它会随机地改变序列中元素的排列顺序，就像是把你的列表、字符串或元组放入了一个摇晃的魔术帽中，然后随机地抽取出来。当你调用这个函数时，你的序列会变得一团糟，就像是洗牌后的扑克牌一样！记住，这个函数会直接改变原始的序列，所以请小心使用哦！

>>> import random
>>> list = ['a', 'b', 'c', 'd', 'f', 'g']
>>> random.shuffle(list)
>>> list
['c', 'a', 'f', 'd', 'g', 'b']
>>> random.shuffle(list)
>>> list
['f', 'a', 'b', 'c', 'g', 'd']
>>> random.shuffle(list)
>>> list
['a', 'd', 'g', 'c', 'b', 'f']

random.sample(pop,k)

这个函数就像是一个神奇的抽奖箱，你可以把一堆东西放进去，然后它会帮你随机选出一些东西，而且还能保证不改变原来的顺序。你只需要告诉它你想要选取多少个东西，它就会帮你完成任务。

比如说，你有一个装满了各种美食的篮子，里面有苹果、香蕉、橙子、葡萄等等。你想要随机选取3种水果，但是又不想打乱篮子里的顺序。这时候，你就可以使用random.sample(pop, k)函数啦！它会帮你从篮子里随机选取3种水果，并且返回一个新的列表，里面包含了你选中的水果，而篮子里的水果顺序还是原样不变的。

记住，pop是你放进抽奖箱的东西，可以是一个列表、元组或者其他序列类型。而k则是你想要选取的东西的个数，必须是一个整数。

所以，如果你想要在保持原有顺序的情况下，从一个序列中随机选取一些元素，那就赶快使用random.sample(pop, k)函数吧！它会让你的代码更加有趣和生动！

>>> import random
>>> list = ['a', 'b', 'c', 'd', 'f', 'g']
>>> random.sample(list, 4)
['b', 'f', 'c', 'a']
>>> random.sample(list, 4)
['g', 'f', 'b', 'd']
>>> random.sample(list, 4)
['g', 'f', 'c', 'b']

三、不常用函数

random.getstate()

这个函数就像是生成器的备份小助手，它可以捕获并返回生成器当前的内部状态。你可以把这个状态对象传递给setstate()函数，就像是把备份还原回去一样，让生成器回到调用getstate()函数之前的状态。

random.setstate(state)

这个函数就像是生成器的还原小魔术师，它接受一个状态对象state，用来把生成器的内部状态恢复到之前的状态。就像是把魔术师的表演还原回去一样，让生成器回到之前的状态。

random.betavariate(alpha, beta)

这个函数就像是一个魔法师，它根据参数alpha和beta来表演一个神奇的Beta分布。返回值范围在0和1之间，就像是魔法师的魔法只能在舞台上发生一样。

random.expovariate(lambd)

这个函数就像是一个时间旅行者，它遵循指数分布的规律。参数lambd决定了时间旅行的速度，就像是时间旅行者的能力值一样。

random.gammavariate(alpha, beta)

这个函数就像是一个金牌运动员，它遵循Gamma分布的规律。参数alpha和beta就像是运动员的训练成绩和技能等级一样，决定了他们的表现。

random.gauss(mu, sigma)

这个函数就像是一个天气预报员，它根据平均值mu和标准差sigma来预测高斯分布的结果。就像是天气预报员根据历史数据来预测未来的天气一样。

random.normalvariate(mu, sigma)

这个函数就像是一个身高测量仪，它根据平均值mu和标准差sigma来测量正态分布的结果。就像是身高测量仪根据统计数据来测量人们的身高一样。

random.paretovariate(alpha)

这个函数就像是一个奖品分发器，它根据形状参数alpha来分发帕累托分布的奖品。就像是奖品分发器根据不同的形状参数来分发不同类型的奖品一样。

random.weibullvariate(alpha,beta)

这个函数就像是一个生命力测试仪，它根据比例参数alpha和形状参数beta来测试威布尔分布的生命力。就像是生命力测试仪根据不同的参数来测试不同物种的生命力一样。

四、真实案例

随机密码字符串

这个字符串会包含数字和字母，而且你还可以指定密码的位数哦！

首先，我们需要使用 Python 中的 random 模块来生成随机字符。然后，我们可以使用 string 模块中的 digits 和 ascii_letters 来获取数字和字母。

下面是一个简单的代码示例，让我们一起来看看吧：

import random
import string

def generate_password(length):
    characters = string.digits + string.ascii_letters
    password = ''.join(random.choice(characters) for _ in range(length))
    return password

# 指定密码位数为 8
password = generate_password(8)
print("你的随机密码是：" + password)

这段代码首先定义了一个 generate_password 函数，它接受一个参数 length，表示密码的位数。在函数内部，我们将数字和字母合并到 characters 变量中，并使用 random.choice 函数随机选择字符，重复 length 次，然后使用 join 方法将这些字符连接起来，得到最终的密码。

最后，我们调用 generate_password 函数并传入位数为 8，将生成的密码赋值给 password 变量，并打印出来。

现在，你可以运行这段代码，获得一个随机的、包含数字和字母的密码字符串啦！记得保管好哦，不要让别人知道哦！😉

示例二：

import random
import string


def get_random_string(length):
    # 随机生成字母和数字的位数
    num_count = random.randint(1, length - 1)
    letter_count = length - num_count

    # 随机抽样生成数字序列
    num_list = [random.choice(string.digits) for _ in range(num_count)]

    # 随机抽样生成字母序列
    letter_list = [random.choice(string.ascii_letters) for _ in range(letter_count)]

    # 合并字母和数字
    all_list = num_list + letter_list

    # 乱序
    random.shuffle(all_list)

    result = "".join([i for i in all_list])
    return result


# 生成10位的密码
password1 = get_random_string(10)
print(password1)
# 生成15位的密码
password2 = get_random_string(15)
print(password2)
# 生成20位的密码
password3 = get_random_string(20)
print(password3)

输出结果：

41eD76F3e1
915087432k8443z
002L5292840A07284755

计算圆周率

1）圆周率的近似计算公式：

pi = 0
N = 100
for k in range(N):
    pi += 1 / pow(16, k) * (4 / (8 * k + 1) - 2 / (8 * k + 4) - 1 / (8 * k + 5) - 1 / (8 * k + 6))
print("圆周率值是：%s" % pi)

输出结果：

圆周率值是: 3.141592653589793

2）蒙特卡洛算法：

蒙特卡洛算法（Monte Carlo algorithm）是一种基于随机采样和统计分析的计算方法，常用于解决概率统计和数值计算问题。它的核心思想是通过模拟随机事件来估计问题的解。

蒙特卡洛算法的步骤如下：

  1. 定义问题：明确要解决的问题，确定问题的数学模型和计算目标。

  2. 生成随机样本：根据问题的特点和要求，生成符合特定分布的随机样本。常见的随机数生成方法包括均匀分布、正态分布等。

  3. 计算函数值：对每个随机样本，根据问题的数学模型计算相应的函数值。

  4. 统计分析：根据生成的随机样本和对应的函数值，进行统计分析。常见的分析方法包括计算均值、方差、概率分布等。

  5. 得出结论：根据统计分析的结果，得出问题的近似解或概率估计。

蒙特卡洛算法的优点是简单易用，适用范围广，能够处理复杂的数值计算和概率统计问题。它不依赖于问题的具体形式，只需要根据问题要求生成随机样本并进行统计分析即可。然而，蒙特卡洛算法的缺点是计算精度和计算速度方面的限制。为了获得更高的精度，通常需要增加样本数量，这会带来更大的计算开销。

import random

DARTS = 1000 * 1000 * 10
hits = 0.0

for i in range(1, DARTS + 1):
    x, y = random.random(), random.random()
    dist = pow(x ** 2 + y ** 2, 0.5)
    if dist <= 1.0:
        hits = hits + 1
pi = 4 * (hits / DARTS)
print("圆周率值是：%s" % pi)

输出结果：

圆周率值是：3.14205