python中的random 模块 和numpy 中的random 区别：

python中的random 模块 和numpy 中的random 区别：
python:(一般只能操作一维的列表，多维也视为一维)
random.sample的函数原型为：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。
　random.choice从序列中获取一个随机元素。其函数原型为：random.choice(sequence)。参数sequence表示一个有序类型。这里要说明 一下：sequence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。有关sequence可以查看python手册数据模型这一章。下面是使用choice的一些例子：

print random.choice(“学习Python”)
print random.choice([“JGood”, “is”, “a”, “handsome”, “boy”])
print random.choice((“Tuple”, “List”, “Dict”))
random.shuffle
random.shuffle的函数原型为：random.shuffle(x[, random])，用于将一个列表中的元素打乱
--------------------- 
原文：https://blog.csdn.net/xiyuan1223/article/details/90721270 
 

1.random.choice与random.sample
        

Python标准库中的random模块，可以生成随机浮点数、整数、字符串，甚至帮助我们随机选择列表序列中的一个元素，打乱一组数据等。

        下面我们主要关注random.choice函数与random.sample函数。

        random.choice(seq)：

        从一个非空序列中随机返回一个元素，比如：

import random
 
lists=[1,2,3,4,5,6]
for _ in range(3):
    print random.choice(lists)
        运行结果：
        

        random.sample(population,k)：

        从一个population sequence中返回一个长度为k的list，该list中的元素是不同的。注意，这里说的不同是指不是population sequence中的同一个元素，举例如下：

import random
 
lists=[1,2,3,4,5,6]
lists2=[2,2,3,4,5,6]
for _ in range(3):
    print random.sample(lists,3)
for _ in range(3):
    print random.sample(lists2,3)
        运行结果：
        

        最后一行中的2,2并不是原始集合中的同一个2，可以理解为不放回采样，要是有同位素标记就好了......

       2.numpy.random

        科学计算库NumPy中也有random，与上面不太一样，下面我将对NumPy.random中的choice和sample函数进行介绍。

        numpy.random.choice(a,size=None,replace=True,p=None)：

        从给定的一维数列（1-D array）中产生样本，该函数可以一次抽取多个样本，这与random模块中的choice不同。该函数的参数列表释义如下：

        a：传入的一维数列或int，如果是int，则从np.arange(a)中进行随机采样；

        size：输出的样本集合的shape，类型为int或tuple或ints，如果我们给定了该参数为(m,n,k)，则该函数将会采样m*n*k个样本，如果该参数为None，则选取一个样本；

        replace：是否为放回采样，True表示有放回，False表示无放回；

        p：a中每项所对应的采样概率，如果未给定该函数，则表示均匀采样。

        下面给出运行示例：

from numpy import random
 
lists=[1,2,3,4,5,6]
print random.choice(lists,size=[2,3],replace=True)
print random.choice(lists,size=[2,3],replace=False)
        运行结果：
        

        上面给出了replace参数取True和False时的对比，通过这个实验，该参数的意义也就明确了很多。那如果我们传入replace=False，同时size比原始array要大会发生什么呢？

from numpy import random
 
lists=[1,2,3,4,5,6]
print random.choice(lists,size=[2,4],replace=False)
        运行结果：
        
        啊哦，报错了，不过这也在我们的推测之中。

        下面介绍numpy.random.sample()函数：

        numpy.random.sample(size=None)：

        该函数返回半开区间[0.0,1.0)之间的随机浮点数。

        size：输出的shape，与上面的numpy.random.choice()函数中的size参数一致。

        那Python标准库的random模块与numpy.random有什么区别呢？

        Python标准库的random模块处理的对象类型更宽泛一些，并不局限于数（int，float等），还可以是字符串等类型。而numpy.random则专门用于处理数学数据，所以传入的为array，这与NumPy库本身的初衷也很一致。
--------------------- 
原文：https://blog.csdn.net/u013745804/article/details/78433035 
 

另外

在Python中，通过import random，然后调用random.randomint（a,b）的到的数为(a<=x<=b),

在numpy中的random模块中，调用random.randint(a,b)得到的是 ( a<= x < b)