一、python标准库中的random模块常用的方法
random.random
random.random()用于生成一个0到1的随机符点数(float): 0 <= n < 1.0（注意是左闭右开）
[注：一般认为python中的float是np.float64]
random.uniform
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 ，且a，b可以是float类型，为左闭右闭区间
代码如下:
print random.uniform(10, 20)
print random.uniform(20, 10)
# 18.7356606526
# 12.5798298022
random.randint
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 （左闭右闭）
代码如下:
print random.randint(12, 20) # 生成的随机数 n: 12 <= n <= 20
print random.randint(20, 20) # 结果永远是20
# print random.randint(20, 10) # 该语句是错误的。下限必须小于上限
random.randrange
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
random.choice
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：
代码如下:
print(random.choice("学习Python"))
print(random.choice(["JGood", "is", "a", "handsome", "boy"]))
print(random.choice(("Tuple", "List", "Dict")))
random.shuffle
random.shuffle(x[, random])，用于将一个列表中的元素打乱（类似于洗牌），要注意的是，shuffle是改变原有序列，所以字符串和元组等不可变的序列就不能作为shuffle的参数。其中参数random是可选参数，是一个没有参数的、返回 0-1(左闭右开)之间的随机数的函数，默认值为None（实际会使用random.random()来得到0-1之间的随机数）
代码如下:
p = ["Python", "is", "powerful", "simple", "and so on..."]
random.shuffle(p)
print p
# ['powerful', 'simple', 'is', 'Python', 'and so on...']
random.sample
random.sample(sequence, k)，从指定序列中随机获取指定长度的片断（类似于样本取样）。sample函数不会修改原有序列
代码如下:
list = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
slice = random.sample(list, 5) # 从list中随机获取5个元素，作为一个片断返回
print slice
print list # 原有序列并没有改变
二、numpy中的random模块的常用方法
numpy.random.shuffle
与python标准库中的shuffle用途一样，只是numpy中的shuffle只有一个参数，就是需要洗牌的序列；要注意的是numpy.ndarray类型的序列要用numpy中的shuffle，用标准库中的shuffle会出现不可预知的错误（numpy的shuffle应用于多维度的list是没问题的）。
代码如下：
>>> L = [1,2,3,4,5,6]
>>> numpy.random.shuffle(L)
>>> L
[6, 1, 5, 3, 4, 2]
>>> a = numpy.array([[1,2],[3,4],[5,6]])
>>> numpy.random.shuffle(a)
>>> a
array([[3, 4],
[5, 6],
[1, 2]])
>>> import random
>>> random.shuffle(a)
>>> a
array([[3, 4],
[3, 4],
[1, 2]])
numpy.random.permutation
除了shuffle，在numpy中还提供了另外一个用于洗牌的方法permutation，主要区别是他会copy一份要洗牌的序列，让后返回一个洗牌之后的序列，并不改变原有序列，另外，如果参数是整数，等同于numpy.random.permutation(numpy.arange(x))
代码如下：
>>> numpy.random.permutation(6)
array([4, 3, 5, 2, 1, 0])
>>> numpy.random.permutation(numpy.arange(6))
array([0, 3, 2, 1, 5, 4])
numpy.random.choice
功能类似于样本取样:
choice(a, size=None, replace=True, p=None)
参数a是样本，其他参数不提供的话会单独返回一个样本，如果a是一个整数，会取numpy.arange(a)来作为样本，参数size是返回样本的shape，参数replace默认为True，表示可以得到重复样本，设置成False表示不可以重复取同一个样本，这时size设置的取样总数不能超过样本总数，参数p是样本集中每个样本被取出的概率，所有概率之和要等于1，p默认为None。
代码如下：
numpy.random.choice(numpy.arange(6))
5
>>> numpy.random.choice(6)
2
>>> numpy.random.choice(6, 5)
array([5, 5, 3, 0, 4])
>>> numpy.random.choice(6, 5, replace=False)
array([1, 2, 0, 5, 3])
>>> numpy.random.choice(6, 5, p=[0.01,0.01,0.01,0.01,0.01,0.95])
array([5, 5, 5, 5, 5])
>>> numpy.random.choice(['a','b','c','d','e','f'], 5, p=[0.01,0.01,0.01,0.51,0.01,0.45])
array(['f', 'f', 'd', 'd', 'd'], dtype='<U1')
