Python官网的解释：
- 该模块实现了各种分布的伪随机数生成器。
- 对于整数，从范围中有统一的选择。 对于序列，存在随机元素的统一选择、用于生成列表的随机排列的函数、以及用于随机抽样而无需替换的函数。
具体的相关定义可以自行在网上查找，理解的话就看个人意识了，这里仅标明我个人的理解。思考了很多，觉得还是要在这里写一下个人的见解，这样有助于更深入的理解编程语言中“随机数”。
随机是有前提的：即在我们的现实生活中，以我们现在对世界的理解。在这个前提下是存在“随机”的事件的，很多人会将这种情况规划到“玄学”，“命”，“巧合”等等概念里，我本人也是支持这个观点的，因为以现在人类的认知，很多事情是无法用逻辑解释通的，最著名的要数亚伯拉罕·林肯与约翰·肯尼迪两名总统了，感兴趣的可以去查一查。
伪随机数是可以实现的：即人类使用算法等方式，以一个基准（也被叫做种子,最常用的就是时间戳）来构造一系列数字，这些数字的特性符合人们所理解的随机数。但因为是通过算法得到的，所以一旦算法和种子都确定，那么产生的随机数序列也是确定的，所以叫伪随机数。
这个函数是用来初始化随机数生成器。其输入参数可以不写，不写的时候默认是当前的时间戳，即以当前时间戳为种子生成一系列伪随机数。
random这个模块的方法都是基于算法和种子的，我们平时做简单的随机数操作时可以不显式调用这个方法，而是在使用其他方法时隐式调用调用这个。上面说到，我们计算机用到的其实都是伪随机数，这个“伪”就具体体现在这个方法：不传参数的时候，默认种子为当前时间戳，每次调用的时间戳是不同的，所以生成的随机数序列也不一样，但是当我们显式设定好同一个种子时，无论如何调用，其产生的伪随机序列都是一样的。
我们在这个例子中可以看到，没有显式设定种子时，每次输出的随机数都是不一样的；显式设定种子时，每次输出的随机数都是一样的。
我们还要注意到，既然叫随机数生成器，那么就符合迭代器和生成器的特点（从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退）。在同一个代码段中，只要没有重新设定随机数生成器，那么执行多次获取的随机数，在所有伪随机数序列中是连续的。如果重新设定了随机数生成器，那么取值也将从头开始 这么说可能不太清楚，我们举个例子就清楚了。
通过固定种子，我们可以利用随机数的代码来实现非随机数的功能。
关于代码段的描述，我在这篇文章中有提到其含义：Python学习------缓存重用机制
我们已经找到了伪随机数的生成规律了，接下来的方法就仅仅是针对不同的使用场景而分化出来的了，这一部分看看官网会用就可以了，有一些我没有使用到，也不清楚有没有什么巧妙的地方，所以这里简单的罗列一下
random.random()----随机返回一个0.0 <= N < 1.0之间的浮点数。
random.uniform(a,b)----随机返回一个a<= N <= b的浮点数。
random.randint(a,b)----随机返回一个a <= N <= b的整数。
random.randrange(start,stop,step)----随机返回指定递增基数为step的集合中的一个整数，基数默认值为1，start <= N < stop。在例子random.randrange(10, 20, 3)中，实际的输出值是[10, 13, 16, 19]之一。
random.choice(seq)----从非空序列seq中随机返回一个元素。
random.getrandbits(k)----随机生成一个占内存k位以内的整数。在例子random.getrandbits(3)中，实际的输出值在000-111之间
random.choices(seq, weights=None, *, cum_weights=None, k=1)----choice()函数的升级版,3.6版本新增。可以通过权重来影响实际输出值的概率。
random.sample(seq, n)----从总体中随机不重复选择n个元素，组成新列表作为结果返回。总体里的元素可以重复，比如[1, 1, 1, 1, 1]。
random.shuffle(seq)----在原列表的基础上打乱列表的排列顺序，无返回值。
random.getstate()----捕获并返回生成器当前内部状态的对象，可以把它传递给setstate()函数来把生成器内部状态恢复到调用getstate()函数之前的状态。相当于备份。
random.setstate(state)----state应为getstate()函数的结果，用来把生成器当前的内部状态恢复为state。
random.gauss()----高斯分布
random.triangular()----三角分布
random.betavariate()----Beta分布
random.expovariate()----指数分布
random.gammavariate()----伽马分布
random.lognormvariate()----对数正态分布
random.normalvariate----正态分布
random.vonmisesvariate----von Mises分布
random.paretovariate----pareto分布
random.weibullvariate----weibull分布
python官方文档：https://docs.python.org/zh-cn/3.7/library/random.html#random.Random
