python 生成随机数的三种方法

1. 使用 random 包生成随机数

可以生成
均匀分布，
高斯分布，（包括正态分布）
指数分布，（与泊松分布有区别：泊松分布表示一段时间发生多少次，而指数分布表示两次发生的时间间隔）
贝塔分布，
韦布尔分布的随机数

由此可见，random 包支持的随机分布比较有限，功能较少.

例如：
(1) 生成 [1, 10] 内的均匀分布随机数

import random
random.uniform(1, 10)

(2) 生成 [1, 10] 内的随机整数

random.randint(1, 10)

(3) 生成一个正态分布的随机数，均值为 5， 标准差为 1

random.gauss(5, 1)

(4) 生成一个指数分布的随机数，均值为 5

 random.expovariate(0.2)
Out[37]: 4.670169382329602

2. 使用 numpy 包生成随机数

numpy 包的 random 方法基本支持所有分布，并且能够一次生成多行多列的随机数.

例如：
(1) 生成 [1, 10] 内的均匀分布随机数， 2 行 2 列

import numpy as np
np.random.uniform(1, 10, [2,2])

(2) 生成 [1, 10] 内的随机整数， 2 行 2 列

np.random.randint(1, 10, [2,2])

(3) 生成一个正态分布的随机数，均值为 5， 标准差为 1， 2 行 2 列

np.random.normal(5, 1, [2,2])

(4) 生成一个泊松分布的随机数，均值为 5， 2 行 2 列

np.random.poisson(5, [2,2])

(4) 生成一个指数分布的随机数，均值为 5， 2 行 2 列

np.random.exponential(5, [2,2])

2.1 通过 random.seed() 参数设定随机数生成器的种子

numpy 还可以通过 random.seed() 参数设定随机数生成器的种子，同样的种子生成的随机数应该是相同的。

np.random.seed(500)
np.random.normal(5, 1, 6) # 生成 6 个正态分布的随机数，均值为 5， 标准差为 1

这样每次运行的输出结果都是
array([4.62263642, 5.16675892, 5.68280238, 6.92137877, 4.8029632 ,
4.24012124])

2.2 通过 RandomState() 设置随机数生成器

另外 numpy 还可以通过 RandomState() 来定义一个随机数生成器对象，小括号里面的参数为随机数种子，然后用这个对象调用具体的各个随机分布生成器函数。例如：

rvs = np.random.RandomState(500)
rvs.normal(5, 1, 6) # 生成 6 个正态分布的随机数，均值为 5， 标准差为 1

3. 使用 scipy 包生成随机数

用 scipy 包不同分布函数自带的 rvs 生成随机数，例如，生成一个正态分布的 2 行 2 列随机数，均值为 5， 标准差为 1：

import scipy.stats as st
st.norm.rvs(loc=5, scale=1, size=[2,2])

生成一个泊松分布的 2 行 2 列随机数，均值为 5：

st.poisson.rvs(mu=5, size=[2,2])