生成服從特定統計規律的隨機數序列。
二項分布（binomial）
二項分布就是重複n次獨立事件的伯努利試驗。在每次試驗中只有兩種可能的結果，而且兩種結果發生與否互相對立，並且相互獨立，事件發生與否的概率在每一次獨立試驗中都保持不變。
#二項分布可以用於求如下場景的概率的近似值：產生size個隨機數，每個隨機數來自n次嘗試中的成功次數，其中每次嘗試成功的概率為p。
np.random.binomial(n, p, size)
某人投籃命中率為0.3，投10次，進5個球的概率。
sum(np.random.binomial(10, 0.3, 200000) == 5) / 200000
#隨機數import
numpy as np
#命中率0.3 投10次,進幾個?
n = np.random.binomial(10,0.3,100000)
for i in range(0,11):
p = (n==i).sum()/100000
print(i,'
:',p)
sum(np.random.binomial(3, 0.6, 200000) == 0) / 200000超幾何分布(hypergeometric)
#產生size個隨機數，每個隨機數t為在總樣本中隨機抽取nsample個樣本後好樣本的個數，總樣本由ngood個好樣本和nbad個壞樣本組成
np.random.hypergeometric(ngood, nbad, nsample, size)
#正態分佈(normal)超幾何分布
n = np.random.hypergeometric(7,3,5,200000)
#print(n)
for i in range(2,6):
p=(n==i).sum()/200000
print(i, '
:', p)
#產生size個隨機數，服從標準正態(期望=0, 標準差=1)分布。
np.random.normal(size)
#產生size個隨機數，服從正態分佈(期望=1, 標準差=10)。
通常在資料分析的資料預處理階段,會對當前樣本資料進行少量的異常值修改與缺少值填充,可以使用random得到符合某種概率分布的一組隨機數,完成資料預處理.
random 隨機數 模組
random方法不多，可以用來生成驗證碼 random.random 生成乙個0到1的隨機小數 random.randint 括號中可以由你指定想生成的隨機數範圍，這出來的是整數且包括後面的那個數 print random.randint 1,3 生成1 3的隨機數，包括3 random.randr...
random隨機數模組
import random print random.random 隨機產生乙個0 1之間的小數 print random.randint 1,6 隨機產生乙個1 6之間的整數 擲骰子 print random.uniform 1,6 隨機產生乙個1 6之間的小數 print random.choi...
python隨機數模組random
一 概述 這個模組實現的偽隨機數生成器。對於整數，從區間選取。對於序列，隨機元素。在實線的，有功能來計算均勻分布，正態分佈 高斯 對數正態分佈，負指數，和 分布。對於生成的角度分布，馮 公尺塞斯的分布是可用的。幾乎所有的模組功能依賴於基本功能隨機的 它生成乙個隨機浮點均勻的半開區間 0.0 1.0 ...