随机数并不意味着每次都有不同的数字。随机意味着无法在逻辑上预测的事物。
计算机在程序上工作，程序是权威的指令集。因此，这意味着必须有某种算法来生成随机数。
如果存在生成随机数的程序，则可以预测它，因此它就不是真正的随机数。
通过生成算法生成的随机数称为伪随机数。
我们可以生成真正的随机数吗？
是的。为了在我们的计算机上生成一个真正的随机数，我们需要从某个外部来源获取随机数据。外部来源通常是我们的击键、鼠标移动、网络数据等。
我们不需要真正的随机数，除非它与安全性（例如加密密钥）有关或应用的基础是随机性（例如数字轮盘赌轮）。
在本教程中，我们将使用伪随机数。
NumPy 提供了 random 模块来处理随机数，以下演示生成一个 0 到 100 之间的随机整数：
>>> from numpy import random >>> x = random.randint(100) >>> print(x) 56
random 模块的 rand() 方法返回 0 到 1 之间的随机浮点数，以下演示生成一个 0 到 100 之间的随机浮点数：
>>> from numpy import random >>> x = random.rand() >>> print(x) 0.4755747164243269
在 NumPy 中，我们可以使用上例中的两种方法来创建随机数组，randint() 方法接受 size 参数，您可以在其中指定数组的形状。
以下演示生成一个 1-D 数组，其中包含 5 个从 0 到 100 之间的随机整数：
>>> from numpy import random >>> x=random.randint(100, size=(5)) >>> print(x) [36 14 12 91 36]
生成有 3 行的 2-D 数组，每行包含 5 个从 0 到 100 之间的随机整数：
>>> from numpy import random >>> x = random.randint(100, size=(3, 5)) >>> print(x) [[20 64 23 6 66] [74 11 21 61 70] [24 47 22 22 31]]
rand() 方法还允许您指定数组的形状。以下演示生成包含 5 个随机浮点数的 1-D 数组：
>>> from numpy import random >>> x = random.rand(5) >>> print(x) [0.63254731 0.0275278 0.83592219 0.41890601 0.84496798]
生成有 3 行的 2-D 数组，每行包含 5 个随机数：
>>> from numpy import random >>> x = random.rand(3, 5) >>> print(x) [[0.51798216 0.70541454 0.03600922 0.2279383 0.2184512 ] [0.91734846 0.07877026 0.75949221 0.7876666 0.20983625] [0.25935065 0.37637584 0.7793815 0.65035139 0.66673048]]
方法使您可以基于值数组生成随机值。 方法将数组作为参数，并随机返回其中一个值。
>>> from numpy import random >>> x = random.choice([3, 5, 7, 9]) >>> print(x) 5
choice() 方法还允许您返回一个值数组。请添加一个 size 参数以指定数组的形状。生成由数组参数（3、5、7 和 9）中的值组成的二维数组：
>>> from numpy import random >>> x = random.choice([3, 5, 7, 9], size=(3, 5)) >>> print(x) [[7 9 7 5 9] [3 3 3 7 9] [7 5 9 3 7]]