Python Random 模块
Python 提供了 random 模块，可以生成随机数。
这些是伪随机数，因为生成的数字序列取决于种子。
如果种子值相同，序列将是相同的。例如，如果你使用 2 作为种子值，你将始终看到以下序列。
import random
random.seed(2)
print(random.random())
print(random.random())
print(random.random())
输出将始终遵循序列：
0.9560342718892494
0.9478274870593494
0.05655136772680869
不那么随机，是吗？ 由于这个生成器完全确定性，它不应该用于加密目的。
这里是 random 模块中定义的所有函数的列表，以及它们的简要说明。
Python Random 模块中的函数列表
| 函数 | 描述 |
|---|---|
| seed(a=None, version=2) | 初始化随机数生成器 |
| getstate() | 返回捕获生成器当前内部状态的对象 |
| setstate(state) | 恢复生成器的内部状态 |
| getrandbits(k) | 返回带有 k 个随机位的 Python 整数 |
| randrange(start, stop[, step]) | 返回来自范围的随机整数 |
| randint(a, b) | 返回 a 和 b 之间（含两端）的随机整数 |
| choice(seq) | 从非空序列返回一个随机元素 |
| shuffle(seq) | 洗牌序列 |
| sample(population, k) | 从 population 序列返回一个长度为 k 的独特元素列表 |
| random() | 返回范围 [0.0, 1.0) 内的下一个随机浮点数 |
| uniform(a, b) | 返回 a 和 b 之间（含两端）的随机浮点数 |
| triangular(low, high, mode) | 返回 low 和 high 之间的随机浮点数，具有指定模式在这些边界之间 |
| betavariate(alpha, beta) | Beta 分布 |
| expovariate(lambd) | 指数分布 |
| gammavariate(alpha, beta) | 伽玛分布 |
| gauss(mu, sigma) | 高斯分布 |
| lognormvariate(mu, sigma) | 对数正态分布 |
| normalvariate(mu, sigma) | 正态分布 |
| vonmisesvariate(mu, kappa) | Vonmises 分布 |
| paretovariate(alpha) | Pareto 分布 |
| weibullvariate(alpha, beta) | Weibull 分布 |
访问此页面以了解更多关于 如何在 Python 中生成伪随机数。