文章目录
1. 使用 random 包生成随机数2. 使用 numpy 包生成随机数2.1 通过 random.seed() 参数设定随机数生成器的种子2.2 通过 RandomState() 设置随机数生成器
3. 使用 scipy 包生成随机数
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])