random库是使用随机数的Python标准库
从概率论角度来说，随机数是随机产生的数据（比如抛硬币），但时计算机是不可能产生随机值，真正的随机数也是在特定条件下产生的确定值，只不过这些条件我们没有理解，或者超出了我们的理解范围。计算机不能产生真正的随机数，那么伪随机数也就被称为随机数
–伪随机数：计算机中通过采用梅森旋转算法生成的（伪）随机序列元素
python中用于生成伪随机数的函数库是random
因为是标准库，使用时候只需要import random
random库包含两类函数，常用的共8个
–基本随机函数： seed(), random()
–扩展随机函数：randint(), getrandbits(), uniform(), randrange(), choice(), shuffle()
基本随机数
Python中产生随机数使用
随机数种子
来产生 （只要种子相同，产生的随机序列，无论是每一个数，还是数与数之间的关系都是确定的，所以随机数种子确定了随机序列的产生）
随机数种子 梅森旋转算法 随机序列
10 0.5714025946899135
随机序列中的每一个数就是随机数
基本随机函数
seed(a=None)
初始化给定的随机数种子，默认为当前系统时间
random.seed(10) #产生种子10对应的序列
如果不输入就默认seed（），不具备种子效果（不能固定随机序列）
random()
生成一个[0.0,1.0)之间的随机小数
random.random()
0.5714025946899135 #随机数产生与种子有关，如果种子是1哦，第一个数必定是这个
扩展随机数函数
在random库中，最基本的是seed 和random 函数，但时功能比较单一，为此产生了6个扩展随机数函数
randint(a,b) 生成一个[a,b]之间的整数>>>random.randint(10,100)
randrange(m,n[,k]) 生成一个[m,n)之间以k为步长的随机整数>>>random.randrange(10,100,10)
getrandbits(k) 生成一个k比特长的随机整数>>>random.getrandbits(16)37885
uniform(a,b) 生成一个[a,b]之间的随机小数>>>random.uniform(10,100)16.848041210321334
choice(seq) 序列相关 从序列中随机选择一个元素>>>random.choice([1, 2, 3, 4, 5, 6, 7, 8, 9])8
shuffle(seq)序列相关 将序列seq中元素随机排列,返回打乱后的序列>>>s=[1, 2, 3, 4, 5, 6, 7, 8, 9]; random.shuffle(s); print(s)[9, 4, 6, 3, 5, 2, 8, 7, 1]
eg：
import random
num=random.randint(0,100)
print(num)
随机数函数的使用要点：
–能够利用随机数种子产生“确定”伪随机数 seed生成种子，random函数产生随机数
–能够产生随机整数
–能对序列类型进行随机操作