在 Python 的交互式解释器中先导入 random 模块，然后输入 random.__all__ 命令（__all__ 变量代表了该模块开放的公开接口），即可
看到该模块所包含的全部属性和函数：
>>> random.__all__ ['Random', 'seed', 'random', 'uniform', 'randint', 'choice', 'sample', 'randrange', 'shuffle', 'normalvariate', 'lognormvariate', 'expovariate', 'vonmisesvariate', 'gammavariate', 'triangular', 'gauss', 'betavariate', 'paretovariate', 'weibullvariate', 'getstate', 'setstate', 'getrandbits', 'choices', 'SystemRandom']
在 random 模块下提供了如下常用函数：
random.seed(a=None, version=2)：指定种子来初始化伪随机数生成器。
random.randrange(start, stop[, stop])：返回从 start 开始到 stop 结束、步长为 step 的随机数。其实就相当于 choice(range(start, stop, step)) 的效果，只不过实际底层并不生成区间对象。
random.randint(a, b)：生成一个范围为 a≤N≤b 的随机数。其等同于 randrange(a, b+1) 的效果。
random.choice(seq)：从 seq 中随机抽取一个元素，如果 seq 为空，则引发 IndexError 异常。
random.choices(seq, weights=None, cum_weights=None, k=1)：从 seq 序列中抽取 k 个元素，还可通过 weights 指定各元素被抽取的权重（代表被抽取的可能性高低）。
random.shuffle(x[, random])：对 x 序列执行洗牌“随机排列”操作。
random.sample(population, k)：从 population 序列中随机抽取 k 个独立的元素。
random.random()：生成一个从0.0（包含）到 1.0（不包含）之间的伪随机浮点数。
random.uniform(a, b)：生成一个范围为 a≤N≤b 的随机数。
random.expovariate(lambd)：生成呈指数分布的随机数。其中 lambd 参数(其实应该是 lambda，只是 lambda 是 Python 关键字，所以简写成 lambd）为 1 除以期望平均值。如果 lambd 是正值，则返回的随机数是从 0 到正无穷大；如果 lambd 为负值，则返回的随机数是从负无穷大到 0。
推荐学习《python教程》
下面程序示范了 random 模块中常见函数的功能和用法：
import random #生成范围为0.0≤x<1.0 的伪随机浮点数 print (random.random()) #生成范围为2.5≤x<10.0 的伪随机浮点数 print (random.uniform(2.5, 10.0)) #生成呈指数分布的伪随机浮点数 print (random.expovariate(1/5)) #生成从0 到9 的伪随机整数 print(random.randrange(10)) #生成从0 到100 的随机偶数 print (random.randrange(0, 101 , 2)) #随机抽取一个元素 print (random.choice (['Python','Swift','Kotlin'])) book_list = ['Python','Swift','Kotlin'] #对列表元素进行随机排列 random.shuffle (book_list) print (book_list) #随机抽取4 个独立的元素 print (random.sample([10, 20 , 30 , 40 , 50], k=4))
运行上面程序，可以看到如下输出结果：
0.7097266660597923 6.4845555071809535 9.707899380000603 2 70 Python ['Swift', 'Python', 'Kotlin'] [20, 10, 30, 50]
实际上，使用 random 模块中的随机函数可以做很多很有趣的事情。比如下面程序：
import random
import collections
#指定随机抽取6 个元素，各元素被抽取的权重（概率）不同
print(random.choices(['Python','Swift','Kotlin'], [5, 5, 1], k=6))
#下面模拟从52 张扑克牌中抽取20 张
#在被拍到的20 张牌中，牌面为10（包括J、Q、K的的牌占多大比例
#生成一个16个tens（代表10）和36 个low_cards（代表其他牌）的集合
deck= collections.Counter(tens=16, low_cards=36)
#从52 张牌中随机抽取20 张
seen= random.sample(list(deck.elements()), k=20)
#统计tens 元素有多少个，再除以20
print(seen.count('tens')/20)运行上面程序，可以看到如下输出结果：
['Swift', 'Swift', 'Swift', 'Swift', 'Python', 'Swift'] 0.45
