在Python中随机数生成主要有两种途径，一是利用random模块生成，二是利用numpy库中random函数生成。在我们日常使用中，如果是为了得到随机的单个数，多考虑random模块；如果是为了得到随机小数或者整数的矩阵，就多考虑numpy中的random函数。 除此之外，scipy.stats模块也可以生成随机数和特定分布的随机数。

其他方式生成随机数见笔者的其他文章： Python随机数生成（二）：numpy库中random函数

功能： 返回随机整数 N 满足 a ≤ N ≤ b。相当于 randrange(a, b+1)。 用法：

功能： 在生成的这样的一个整数序列中随机选择一个数。[, step]代表该参数是可选参数。 用法：

功能： 生成一个[0,1) 间的随机浮点数。 用法：

功能： 返回一个a,b间的随机浮点数N，当 a ≤ b 则N的范围为[a,b]，当 b < a 则N的范围为[b,a]。 用法：

功能： 从序列seq中随机选择一个元素。 用法：

功能： 从序列seq中以指定的权重随机选择k个元素，返回一个新的列表。

用法：

功能： 从序列seq中随机选择k个元素，返回一个新的列表。 用法：

功能： 将序列seq中的元素随机排序。 用法：

均匀分布，就是在事件空间中，所有事件的概率都是相等的连续分布，其概率密度为 其均值为(a+b)/2 ，方差为(b−a)^2/12

功能： 生成一个[0,1) 间的随机浮点数。 用法见前文。

功能： 返回一个a,b间的随机浮点数N，当 a ≤ b 则N的范围为[a,b]，当 b < a 则N的范围为[b,a]。 用法见前文。

对于下限为a，上限为b，众数为c的三角分布，其概率密度函数为

功能： 返回一个三角分布的随机浮点数 N ，使得 low ≤ N ≤ high ，mode指明众数出现的位置 。 low 和 high 默认为0和1。 mode 参数默认为 low 和 high 之间的中点，给出一个对称的三角分布。 用法：

直方图： 密度图：

指数分布为连续型分布，概率密度函数为：

分布函数为：

期望： ， 方差：

功能： 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。 用法：

直方图：

密度图：

功能： 正态分布。 mu 是平均值，sigma 是标准差。 用法：

直方图： 密度图：

功能： 对数正态分布。 若采用这个分布的自然对数，将得到一个平均值为 mu 和标准差为 sigma的正态分布 。 mu 可以是任何值，sigma 必须大于零。 用法：

直方图： 密度图：

功能： 高斯分布。 mu 是平均值，sigma 是标准差。 这比random.normalvariate(mu, sigma)函数略快。 用法：

直方图： 密度图：

功能： 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。 用法：

直方图： 密度图：

功能： Gamma 分布。（ 不是 gamma 函数！）参数的条件是 alpha > 0 和 beta > 0。 用法：

直方图： 密度图：

帕累托在1906年提出了有关意大利社会财富分配的分配规律，即20%的人口掌握了80%的财富，这个规律后来被发现十分普遍，以至于约瑟夫·朱兰后来将其称为帕累托法则，也被成为八二法则。 帕累托分布正是对这一规则的描述，其概率分布函数为

功能： 帕累托分布。 alpha 是形状参数。 用法：

直方图： 密度图：

功能： 威布尔分布。 alpha 是比例参数，beta 是形状参数。 用法：

直方图：

密度图：

功能： 冯·米塞斯分布。 mu 是平均角度，以弧度表示，介于0和 2pi 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 2pi 的范围内减小到均匀的随机角度。 用法：

直方图： 密度图：

1、Python中随机数的生成 2、Random模块的官方文档