废话不多说，直接开干。

生成均匀离散的随机数

# 在[0,1)间生成100个随机数
np.random.random(100)

# 生成给定上下限范围的随机数
np.random.randint(2, 10, size=[2, 5])

生成服从均匀分布、3行2列的随机数

# 在[0,1)间生成服从均匀分布、3行2列的随机数
np.random.rand(3, 2)

# 在[low, high)间生成服从均匀分布、3行2列的随机数
np.random.uniform(1, 2, (3, 2))

生成服从正态分布的随机数

# 生成服从标准正态分布的随机数
np.random.randn(10, 5)

# 生成服从均值为1，方差为2的正态分布的随机数
np.random.normal(1, 2)

经典例子——蒙特卡洛求pi

# 例子——蒙特卡洛求pi
n = 400             # 定义生成随机数个数
r = 4               # 半径为4
a, b = (0, 0)       # 圆心为(0, 0)
x1, x2 = a-r, a+r
y1, y2 = b-r, b+r

i = 0
for j in range(0, n):
    x = np.random.uniform(x1, x2)
    y = np.random.uniform(y1, y2)
    if x**2 + y**2 <= 16.0:
        i += 1

p = (i/float(n))*4
print(p)