来源：网络

random库相信大家都用过，我们都用它来生成随机数，本篇主要回顾下这个库中高级用法，让我们开始，本篇所有代码假设你已经导入了random库。

random.seed()

此功能虽然鲜为人知，但可能仍然是此列表中最常用的功能， 此函数用于设置随机数生成器的状态， Python 的随机库实际上是伪随机的， 这意味着可以预测返回值，如果我们对两个相同的随机过程使用相同的种子，我们将得到相同的结果。这是一个例子：

print("first run:")random.seed(0)print(random.random())print(random.random())print("second run:")random.seed(0)print(random.random())print(random.random())

输出:

firstrun:0.84442185152504810.7579544029403025secondrun:0.84442185152504810.7579544029403025

正如我们所看到的，如果我们将种子设置为相同的值，我们会得到相同的结果， 此函数与其他伪随机函数协同作用：

x=list(range(10000))print("first run:")random.seed(0)print(random.randrange(2000,3000))print(random.choice(x))print("second run:")random.seed(0)print(random.randrange(2000, 3000))print(random.choice(x))

输出:

firstrun:28646311secondrun:28646311

random.getstate()/random.setstate()

这两个函数一起使用，类似于前面的 random.seed() 函数，但是，它们允许你存储状态并在以后重用它， 这是一个例子：

state=random.getstate()print(random.random())print(random.random())print("after resetting the state:")random.setstate(state)print(random.random())print(random.random())

输出:

0.36788996299556040.09259531746179073afterresettingthestate:0.36788996299556040.09259531746179073

random.uniform()

此函数与 random.randint() 函数非常相似，但它返回两个参数之间的浮点值：min 和 max。

foriinrange(10):print(random.uniform(15, 47))

输出：

31.47649542678213746.7346309517241921.31453020237320618.14559672221898636.67951985772937526.21838172604052319.09960060434375333.6360628394591342.0969498438171921.800395379104877

random.sample()

最后，此函数从列表中获取给定数量的样本：

random.sample(population, k)

population 是要抽样的列表，k 是需要的样本数。此函数返回一个列表。

x=list(range(10))print(random.sample(x, k=10))

输出:

[2, 8, 0, 4, 3, 6, 5, 9, 7, 1]

另一种可能性是为每个值添加权重以给出偏差：

x=list(range(10))print("without weights:")print(random.sample(x, k=10))print("with weights")print(random.sample(x, counts=[1,10,1,1,1,5,1,1,1,1], k=10))

输出：

withoutweights:[3, 8, 5, 4, 2, 7, 1, 6, 9, 0]withweights[3, 1, 8, 4, 6, 1, 5, 1, 1, 1]

非常感谢阅读，本篇完。

参考：https://www.raaicode.com/more-advanced-functions-in-pythons-random-library/