Python random模块生成随机数的基础用法
全面讲解Python标准库random模块的基础使用方法,涵盖浮点数生成、指定区间整数获取、序列随机抽样与打乱、随机种子设置及安全注意事项。
random 模块提供了方便且丰富的随机数生成工具,无需额外安装即可直接导入使用。本文将从随机浮点数、范围整数、序列抽样打乱、种子控制到安全边界,系统梳理该模块的基础函数与典型用法。
一、模块导入与基本工作流程
在 Python 中使用随机数功能,首先需要通过 import random 引入标准库。random 模块基于 Mersenne Twister(梅森旋转算法)实现伪随机数序列生成。在日常编程中,生成随机数的基本步骤通常包含导入模块、可选设置随机种子、调用特定生成方法并获取结果。
二、生成随机浮点数
浮点数生成常用于概率计算、权重分布或按比例缩放数值。最基础的两个函数是 random.random() 和 random.uniform(a, b)。
1. random.random()
该函数无需传入任何参数,直接返回一个位于半开区间 [0.0, 1.0) 内的浮点数。即可能等于 0.0,但永远严格小于 1.0。
import random
val = random.random()
print("随机浮点数:", val)
2. random.uniform(a, b)
当需要指定特定范围内的浮点数时,使用 uniform(a, b) 函数。它会返回一个在区间 [a, b] 内均匀分布的随机浮点数,即使 a > b 也同样有效。
import random
temp = random.uniform(20.0, 30.0)
print("区间浮点数:", temp)
三、生成随机整数与步长控制
在需要获取随机整数(如掷骰子、随机索引、测试 ID 等)时,random 提供了 randint() 与 randrange() 两个常用函数。理解它们在边界开闭上的差异是避免越界或漏算的关键。
1. random.randint(a, b)
randint(a, b) 生成一个满足 a <= N <= b 的整数。它是完全闭区间,两端数值均有可能被取到。例如模拟六面骰子点数:
import random
dice = random.randint(1, 6)
print("骰子点数:", dice)
2. random.randrange([start], stop[, step])
randrange 的行为与 Python 内置的 range() 函数完全一致,遵循左闭右开原则,生成的值不包含 stop。此外,它支持传入 step 步长,方便直接生成特定规则的随机整数(如随机偶数或步进序列)。
import random
# 生成 0 到 99 之间的随机偶数
even_num = random.randrange(0, 100, 2)
print("随机偶数:", even_num)
四、序列与集合的随机操作
除了生成纯数值,random 模块还提供了对列表、元组等序列进行直接操作的能力。主要包括从序列中抽取元素和打乱序列顺序。
1. random.choice(seq)
从非空序列(如列表、元组、字符串)中随机返回一个元素。若传入空序列,会抛出 IndexError。
import random
fruits = ['apple', 'banana', 'orange', 'grape']
chosen = random.choice(fruits)
print("随机选中:", chosen)
2. random.sample(population, k)
无放回抽样。从集合或序列中一次性抽取 k 个不重复的元素,返回新列表,原序列不受任何影响。如果抽样数量 k 大于序列本身的长度,会抛出 ValueError。
import random
deck = list(range(1, 11))
cards = random.sample(deck, 3)
print("抽取3张牌:", cards)
3. random.choices(population, weights=None, k=1)
有放回抽样。与 sample 不同,choices 抽出的元素可能重复。它常用于需要带权重的随机抽取场景(如抽奖概率配置)。
import random
prizes = ['一等奖', '二等奖', '参与奖']
# 赋予不同奖项对应的概率权重
result = random.choices(prizes, weights=[5, 15, 80], k=2)
print("抽奖结果:", result)
4. random.shuffle(x)
就地打乱(In-place)可变序列的元素排列。需要特别注意:该函数直接修改原列表,其返回值固定为 None。切忌写出 items = random.shuffle(items),否则会导致变量被赋值为 None。
import random
players = ['Alice', 'Bob', 'Charlie', 'David']
random.shuffle(players)
print("打乱后的顺序:", players)
五、随机种子(seed)与确定性复现
计算机生成的随机数本质上是“伪随机数”,其内部是通过数学算法根据初始输入(种子,Seed)计算得出的确定性数字序列。当不指定种子时,Python 默认采用当前系统时间或操作系统提供的随机源作为种子。
使用 random.seed(a) 可以固定生成器的初始状态。只要种子相同,后续调用相同方法产生的随机数序列是完全一致的。这在算法对比、单元测试和科学仿真中极为有用。
import random
# 固定种子为 42
random.seed(42)
seq_a = [random.randint(1, 100) for _ in range(3)]
# 重新设置相同的种子
random.seed(42)
seq_b = [random.randint(1, 100) for _ in range(3)]
print("第一次生成:", seq_a)
print("第二次生成:", seq_b)
六、基础用法选型总结与安全边界
为了在实际开发中快速定位所需函数,下表总结了 random 模块中最核心的基础函数及特征:
| 函数名 | 作用说明 | 取值区间 / 返回类型 | 典型场景 |
|---|---|---|---|
random() |
生成标准随机浮点数 | [0.0, 1.0) 浮点数 | 概率判断、归一化缩放 |
uniform(a, b) |
生成指定范围随机浮点数 | [a, b] 浮点数 | 模拟物理量、坐标扰动 |
randint(a, b) |
生成指定闭区间整数 | [a, b] 包含两端整数 | 游戏点数、离散事件触发 |
randrange(a, b, s) |
按步长生成整数 | [a, b) 半开区间整数 | 奇偶选择、网格跳跃取值 |
choice(seq) |
随机选取单项 | 单一元素 | 单轮抽签、随机问候语 |
sample(seq, k) |
无放回抽样 | 含 k 个不重复元素的新列表 | 发牌、不重复抽奖名额 |
shuffle(seq) |
原地随机重排 | None(直接改动原列表) | 洗牌、题库乱序 |
seed(n) |
初始化随机种子 | None | 单元测试、实验重现 |
random 模块完全面向建模、模拟和常规随机化任务设计,其底层算法具有可预测性,绝对不能用于密码生成、身份认证令牌(Token)、验证码或敏感加密密钥等安全领域。若项目涉及安全与加密需求,请务必使用 Python 3.6+ 内置的 secrets 模块(如 secrets.token_hex() 或 secrets.randbelow())。
本站声明
本文内容仅供参考,不代表本站观点。转载或引用请注明出处。如发现内容问题,请通过联系我们页面反馈。













