1、常规用法random

1 ) random() 返回0<=n<1之间的随机浮点数n；

2）random.uniform(a, b)，用于生成一个指定范围内的随机符点数

3）random.randint(a, b)，用于生成一个指定范围内的整数

4）random.randrange([start], stop[, step])，从指定范围内，按指定基数递增的集合中 获取一个随机数。

5 ) choice(seq) 从序列seq中返回随机的元素；
6 ) shuffle(seq[, random]) 原地指定seq序列；
7 ) sample(seq, n) 从序列seq中选择n个随机且独立的元素；

8）gauss(mu, sigma)返回一个平均值为mu，标准差为sigma的高斯分布，也可以由正态分布函数生成normalvariate(mu, sigma)

9）lognormvariate(mu, sigma)返回一个平均值为mu，标准差为sigma的对数正态分布

先导入模块import random

案例1：random() 返回0<=n<1之间的随机浮点数n

案例2：random.uniform(a, b)，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，则生成的随机数n: a <= n <= b。如果 a <b， 则 b <= n <= a。

案例3：random.randint(a, b)，用于生成一个指定范围内的整数。

其中参数a是下限，参数b是上限，生成的随机数n: a <= n <= b

案例4：random.randrange([start], stop[, step])，从指定范围内，按指定基数递增的集合中 获取一个随机数。

如：random.randrange(10, 100, 2)，结果相当于从[10, 12, 14, 16, … 96, 98]序列中获取一个随机数。random.randrange(10, 100, 2)在结果上与 random.choice(range(10, 100, 2) 等效。

案例5：random.choice(sequence)从序列中获取一个随机元素。

参数sequence表示一个有序类型，在python不是一种特定的类型，而是泛指一系列的类型。list, tuple, 字符串都属于sequence。

案例6：random.shuffle(x[, random])，用于将一个列表中的元素打乱

案例7：random.sample(sequence, k)，从指定序列中随机获取指定长度的片断。

sample函数不会修改原有序列

案例8：gauss(mu, sigma)返回一个平均值为mu，标准差为sigma的高斯分布

2、模拟用法：

案例9：choices

案例10：按比例分配样本

3、seed用法：

seed() 方法改变随机数生成器的种子，可以在调用其他随机模块函数之前调用此函数。

    计算机的程序，都是通过确定的算法，根据确定的输入，算出确定的输出。想要得到真正的随机，需要通过外接物理随机数发生器，通过把随机的物理过程转变为随机值，才能实现。因此我们平常使用的计算机的随机数，其实都只是通过算法模拟得到，也就是伪随机。

    因此如果不设种子，计算机会用系统时钟来作为种子，如果你要模拟什么的话，每次的随机数都是不一样的，这样就不方便你研究，如果你事先设置了种子，这样每次的随机数都是一样的，便于重现你的研究，也便于其他人检验你的分析结果。

set.seed(3000)，不是运行3000次，而是把种子设置为3000。

案例11：设置随机种子之后，运行出来的效果是一样的

如果要设置每次的随机种子不一样，可以使用seed(time.time())

4、range用法：

    能返回一系列连续增加的整数，工作方式类似于分片，可以生成一个列表对象。range函数大多数时常出现在for循环中，在for循环中可做为索引使用。它也可以出现在任何需要整数列表的环境中，作为一个迭代器使用。

range(5)#函数内只有一个参数，则表示会产生从0开始计数的整数列表

range(-4,5)#函数有俩参数时，表示整数列的上下限

range(0,10,3)#函数有三个参数时，第三个参数为步长 

案例12：以三个参数为案例说明

参考文章：

https://docs.python.org/3.6/library/random.html#random.vonmisesvariate