python随机调⽤函数_Python中如何调⽤random（）函数在开始了解之前，我们需要知道random()函数是需要导⼊模板，才可以进⾏访问，然后通过调⽤静态对象来使⽤这个⽅法，另外返回⽣成的随机实数，是有⼀定的范围。下⾯正式开始主题介绍：
先给⼤家带来⼀列实例“⽣成-4-7之间的随机数，并且和为1，并将符合条的2个值打印出来”，通过调⽤random()函数，代码如下：import random
for i in range(30):
num1=random.randint(-4,8)
num2 = random.randint(-4, 8)
python生成1到100之间随机数if num1 num2==1:
print(num1,num2)
运⾏结果：-1 2
2 -1
以上是调⽤：整数⽤函数
random.randrange(stop)
random.randrange(start, stop[, step])
从 range(start, stop, step) 返回⼀个随机选择的元素。 这相当于 choice(range(start, stop, step)) ，但实际上并没有构建⼀个 range 对象。
位置参数模式匹配 range() 。不应使⽤关键字参数，因为该函数可能以意外的⽅式使⽤它们。
拓展random()函数调⽤⽤法以及实例演⽰
如常⽤数学实践中所使⽤的那样, 函数参数以分布⽅程中的相应变量命名;⼤多数这些⽅程都可以在任何统计学教材中到。
1、random.random()
返回 [0.0, 1.0) 范围内的下⼀个随机浮点数。
2、random.uniform(a, b)
返回⼀个随机浮点数 N ，当 a <= b 时 a <= N <= b ，当 b < a 时 b <= N <= a 。
取决于等式 a (b-a) * random() 中的浮点舍⼊，终点 b 可以包括或不包括在该范围内。
3、iangular(low, high, mode)
返回⼀个随机浮点数 N ，使得 low <= N <= high 并在这些边界之间使⽤指定的 mode 。 low 和 high 边界默认为零和⼀。 mode 参数默认为边界之间的中点，给出对称分布。
4、random.betavariate(alpha, beta)
Beta 分布。 参数的条件是 alpha > 0 和 beta > 0。 返回值的范围介于 0 和 1 之间。
5、povariate(lambd)
指数分布。 lambd 是 1.0 除以所需的平均值，它应该是⾮零的。 (该参数本应命名为 “lambda” ，但这是 Python 中的保留字。)如果lambd 为正，则返回值的范围为 0 到正⽆穷⼤；如果 lambd 为负，则返回值从负⽆穷⼤到 0。
6、random.gammavariate(alpha, beta)
Gamma 分布。 ( 不是 gamma 函数！ ) 参数的条件是 alpha > 0 和 beta > 0。
概率分布函数是:x ** (alpha - 1) * p(-x / beta)
pdf(x) = --------------------------------------
math.gamma(alpha) * beta ** alpha
7、random.gauss(mu, sigma)
⾼斯分布。 mu 是平均值，sigma 是标准差。 这⽐下⾯定义的 normalvariate() 函数略快。
8、random.lognormvariate(mu, sigma)
对数正态分布。 如果你采⽤这个分布的⾃然对数，你将得到⼀个正态分布，平均值为 mu 和标准差为 sigma。 mu 可以是任何值，sigma 必须⼤于零。
9、alvariate(mu, sigma)
正态分布。 mu 是平均值，sigma 是标准差。
10、random.vonmisesvariate(mu, kappa)
mu 是平均⾓度，以弧度表⽰，介于0和 2*pi 之间，kappa 是浓度参数，必须⼤于或等于零。 如果 kappa 等于零，则该分布在0到 2*pi 的范围内减⼩到均匀的随机⾓度。
11、random.paretovariate(alpha)
帕累托分布。 alpha 是形状参数。
12、random.weibullvariate(alpha, beta)
威布尔分布。 alpha 是⽐例参数，beta 是形状参数。
13、class random.Random([seed])
该类实现了 random 模块所⽤的默认伪随机数⽣成器。
14、class random.SystemRandom([seed])
使⽤ os.urandom() 函数的类，⽤从操作系统提供的源⽣成随机数。 这并⾮适⽤于所有系统。 也不依赖于软件状态，序列不可重现。 因此，seed() ⽅法没有效果⽽被忽略。 getstate() 和 setstate() ⽅法如果被调⽤则引发 NotImplementedError。
⼤多数随机模块的算法和种⼦函数都会在 Python 版本中发⽣变化，但保证两个⽅⾯不会改变：
1)如果添加了新的播种⽅法，则将提供向后兼容的播种机。
2)当兼容的播种机被赋予相同的种⼦时，⽣成器的 random() ⽅法将继续产⽣相同的序列。
基本⽰例：>>> random() # Random float: 0.0 <= x
0.37444887175646646
>>> uniform(2.5, 10.0) # Random float: 2.5 <= x
3.1800146073117523
>>> expovariate(1 / 5) # Interval between arrivals averaging 5 seconds
5.148957571865031
>>> randrange(10) # Integer from 0 to 9 inclusive
7
>>> randrange(0, 101, 2) # Even integer from 0 to 100 inclusive
26
>>> choice(['win', 'lose', 'draw']) # Single random element from a sequence
'draw'
>>> deck = 'ace two three four'.split()
>>> shuffle(deck) # Shuffle a list
>>> deck
['four', 'two', 'ace', 'three']
>>> sample([10, 20, 30, 40, 50], k=4) # Four samples without replacement
[40, 10, 50, 30]
想必通过以上对python中random()函数的⽤法结合实例展⽰，⼤家已经有⼀定认知了吧~如需了解更多python实⽤知识，点击进⼊JQ教程⽹Python⼤全。