虽然许多帖子都演示了如何获得一个随机整数，但最初的问题是如何生成随机整数（复数）：

如何在Python中生成介于0和9（含）之间的随机整数？

为了清楚起见，这里我们演示如何获得多个随机整数。

鉴于

>>> import random


lo = 0
hi = 10
size = 5

Code

多个随机整数

# A
>>> [lo + int(random.random() * (hi - lo)) for _ in range(size)]
[5, 6, 1, 3, 0]

# B
>>> [random.randint(lo, hi) for _ in range(size)]
[9, 7, 0, 7, 3]

# C
>>> [random.randrange(lo, hi) for _ in range(size)]
[8, 3, 6, 8, 7]

# D
>>> lst = list(range(lo, hi))
>>> random.shuffle(lst)
>>> [lst[i] for i in range(size)]
[6, 8, 2, 5, 1]

# E
>>> [random.choice(range(lo, hi)) for _ in range(size)]
[2, 1, 6, 9, 5]

随机整数样本

# F
>>> random.choices(range(lo, hi), k=size)
[3, 2, 0, 8, 2]

# G
>>> random.sample(range(lo, hi), k=size)
[4, 5, 1, 2, 3]

---

细节

一些帖子演示了如何本机生成多个随机整数。1以下是一些解决隐含问题的选项：

A： random.random返回范围为[0.0，1.0）的随机浮点值B： random.randit返回一个随机整数N，使得a<=N<=BC： random.randrange别名到randint（a，b+1）D： random.shuffle将序列打乱E： random.choice从非空序列中返回一个随机元素F： random.choices从总体中返回k个选择（带替换，Python 3.6+）G： random.sample从总体中返回k个唯一选择（无替换）：2

另请参阅R.Hettinger使用随机模块中的示例讨论分块和别名。

以下是标准库和Numpy中一些随机函数的比较：

| | random                | numpy.random                     |
|-|-----------------------|----------------------------------|
|A| random()              | random()                         |
|B| randint(low, high)    | randint(low, high)               |
|C| randrange(low, high)  | randint(low, high)               |
|D| shuffle(seq)          | shuffle(seq)                     |
|E| choice(seq)           | choice(seq)                      |
|F| choices(seq, k)       | choice(seq, size)                |
|G| sample(seq, k)        | choice(seq, size, replace=False) |

您还可以将Numpy中的许多分布中的一个快速转换为随机整数的样本。3

示例

>>> np.random.normal(loc=5, scale=10, size=size).astype(int)
array([17, 10,  3,  1, 16])

>>> np.random.poisson(lam=1, size=size).astype(int)
array([1, 3, 0, 2, 0])

>>> np.random.lognormal(mean=0.0, sigma=1.0, size=size).astype(int)
array([1, 3, 1, 5, 1])

1Namely@John Lawrence Aspden、@S T Mohammed、@SiddTheKid、@user14372、@zangw等。2@prashanth提到这个模块显示一个整数。3由@Siddharth Satpathy演示

OpenTURNS不仅可以模拟随机整数，还可以使用UserDefined定义的类定义关联的分布。

以下模拟了分布的12个结果。

import openturns as ot
points = [[i] for i in range(10)]
distribution = ot.UserDefined(points) # By default, with equal weights.
for i in range(12):
    x = distribution.getRealization()
    print(i,x)

这将打印：

0 [8]
1 [7]
2 [4]
3 [7]
4 [3]
5 [3]
6 [2]
7 [9]
8 [0]
9 [5]
10 [9]
11 [6]

括号在那里，因为x是一维中的一个点。在对getSample的一次调用中生成12个结果会更容易：

sample = distribution.getSample(12)

将产生：

>>> print(sample)
     [ v0 ]
 0 : [ 3  ]
 1 : [ 9  ]
 2 : [ 6  ]
 3 : [ 3  ]
 4 : [ 2  ]
 5 : [ 6  ]
 6 : [ 9  ]
 7 : [ 5  ]
 8 : [ 9  ]
 9 : [ 5  ]
10 : [ 3  ]
11 : [ 2  ]

有关此主题的更多详细信息，请参见：http://openturns.github.io/openturns/master/user_manual/_generated/openturns.UserDefined.html

试试看：

from random import randrange, uniform

# randrange gives you an integral value
irand = randrange(0, 10)

# uniform gives you a floating-point value
frand = uniform(0, 10)

尝试random.randrange：

from random import randrange
print(randrange(10))

在连续数字的情况下，randint或randrange可能是最好的选择，但如果序列中有几个不同的值（即列表），也可以使用choice：

>>> import random
>>> values = list(range(10))
>>> random.choice(values)
5

该选项也适用于非连续样本中的一项：

>>> values = [1, 2, 3, 5, 7, 10]
>>> random.choice(values)
7

如果您需要“加密性强”，python 3.6和更新版本中还有一个secrets.choice：

>>> import secrets
>>> values = list(range(10))
>>> secrets.choice(values)
2

尝试random.randit:

import random
print(random.randint(0, 9))

---

文档状态：

随机随机（a，b）返回一个随机整数N，使得a<=N<=b。