【python测试开发栈】帮你总结python random模块高频使用方法-原创手记-慕课网

随机数据在平时写python脚本时会经常被用到，比如随机生成0和1来控制逻辑、或者从列表中随机选择一个元素（其实抽奖程序也类似，就是从公司所有人中随机选择中奖用户）等等。这篇文章，就帮大家整理在python中random模块使用频率比较高的方法。

常用方法

为了方便大家理解和记忆，将方法进行了归类：

整数用函数

random.randrange(stop)
- 随机返回[0, stop-1]之间的整数
random.randrange(start, stop, step)
- 随机返回[start, stop-1]之间的整数。
- step是递增计数，列一个公式你就明白了：(随机生成的值—start)%step=0
random.randint(start, stop)
- 随机返回[start, stop]之间的整数
random.getrandbits(bits)
- 用于随机对应bits位的整数
- 随机返回[0, 2的bits位-1]之间的整数。

最后需要注意一点：上面的几个方法也是可以随机返回负数的，只需要参数传承负数就可以了。下面举个例子：

    # 0-2之间的整数
    print(random.randrange(3))
    # 1-299之间的整数，增长基数是5
    print(random.randrange(1, 300, 5))
    # 1-20之间的整数
    print(random.randint(1, 20))
    # -3到0之间的负数
    print(random.randint(-3, 0))
    # -3到-1之间的负数
    print(random.randrange(-3, 0))

    # 返回1~2-1之间的数字
    print(random.randrange(1))
    # 返回1~2的32次方-1之间的数字
    print(random.getrandbits(32))
    
    ## 返回值
    0
    1
    17
    0
    -1
    0
    3150567570

浮点型函数

random.random()
- 随机返回[0,1)之间的浮点型数字
random.uniform(a, b)
- 随机返回[a,b)之间的浮点数字

其实上面的两个方法也是符合数学随机分布模式的，为了方便大家理解，我这里单独列出来(区别于下面的数学分布模式)，方便大家在随机生成浮点型数字时，能少些犹豫。

# 1. 生成一个0-1之间随机浮点数
print(random.random())
# 2. 生成一个a-b之间的随机浮点数
print(random.uniform(10, 500))
print(random.uniform(40, 10))
  
  # 返回值
  0.7833926665736892
  150.2805875943869
  39.88236257691508

序列函数

顾名思义，序列函数随机的对象是列表。

random.choice(list)
- 从list随机返回一个元素。
random.choices(list, weights,k)
- 相当于random.choice()的升级版本。
- weights是权重，针对list的每个元素都设置权重，来改变随机的概率。
- k是返回几个元素。需要注意这个方法返回的是列表。
random.sample( population, k )
- 3.6新增功能，用于从population列表中，返回随机无重复的抽样。
- 前面提过抽奖，其实如果你想做一个抽奖系统，可以用这个方法改造。
random.shuffle(list)
- 将list列表中的元素随机打乱。

对应的例子如下：

  # 从给定的序列中随机选择一个元素
  print(random.choice([1, 2, 3, 4, 5]))
  # random.choice的升级版本，还可以指定某个元素对应的权重
  print(random.choices([1, 2, 3, 4, 5], [10, 15, 45, 50, 60]))
  # 打乱某个序列，从python3.6新增的方法
  list_test = [2, 3, 4, 5, 6]
  random.shuffle(list_test)
  print(list_test)
  # 取样，从某个列表中，随机选择若干个元素
  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的行为

random.seed( a=None, version=2 )
- 设置random的种子值，怎么理解种子值呢？大家就想一句话就好了：“种瓜得瓜种豆得豆”，所以一样的种子值，那么种出来的结果是一样的。
- 假如现在随机两次，在调用random随机生成数据前，将random.seed设置成一样的值，则随机生成的值是一样的。
random.getstate()
- 这个很简单，就是返回random生成器当前的状态的。
random.setstate(state)
- 这个用于设置random的状态
- setstate和getstate方法结合起来使用，可以用于恢复random的状态。

对应的例子如下：

 # 验证seed
 random.seed(1)
 print(random.randrange(1000))
 random.seed(1)
 print(random.randrange(1000))
 # 验证random的状态
 state = random.getstate()
 print(random.randrange(1000))
 print(random.randrange(1000))
 random.setstate(state)
 print(random.randrange(1000))
 
 # 返回结果
  137
  137
  582
  867
  582

数学分布模式

下面列的这些方法都是跟数学分布的概念有关系，说实话大学里学的相关的东西，都还给老师了，我查了资料想去理解不同的数学分布的知识，但是理解起来有些吃力，不过其实对我们使用的人来说，只需要理解其能根据一定规则，随机返回浮点数就可以了。

random.triangular(low, high, mode) 以三角分布的概率分布返回随机数
random.betavariate(alpha, beta) 以beta分布的概率分布返回0到1之间的随机数
random.expovariate() 以指数分布返回随机数
random.gammavariate(alpha, beta) 以gamma分布的概率分布返回随机数
random.gauss(mu, sigma) 以高斯分布的概率分布返回随机数
random.lognormvariate(mu, sigma) 以对数正态分布的概率分布返回随机数
random.normalvariate(mu, sigma) 和高斯分布类似
random.vonmisesvariate(mu, kappa) 以von Mises分布的概率分布返回随机数
random.paretovariate(alpha) 以Pareto（帕累托）分布的概率分布返回随机数
random.weibullvariate(alpha, beta) 以Weibull（威尔布）分布的概率分布返回随机数

其实大家也不需要完全记住上面的方法，碰到具体的使用场景，知道有对应的方法，能查看文档找到就可以了。

总结

上面帮大家整理了random模块高频使用的方法，相对还是比较简单的，大家有任何的问题，欢迎留言。