Python random与numpy模块生成随机数完整指南

清欢

发布时间：2026-10-13| 7人浏览过

原创

本文详解Python内置random模块及numpy库的随机数生成方法。涵盖random.random、randint、choice等基础函数，以及numpy的rand、randn、randint多维数组生成。重点解析seed种子机制对伪随机数可复现性的控制，适用于密码加盐、蒙特卡洛算法等场景。

Python随机数生成概述

本文将深入探讨Python中用于生成随机序列的两个核心模块的其他高级用法。

随机数在各类应用场景中不可或缺，例如密码加盐时需在原始密码后附加随机字符串，或蒙特卡洛算法依赖随机数进行采样。Python内置的random模块提供了丰富的随机数生成接口，使用前需导入该模块。

import random

内置random模块常用方法

接下来详细介绍Python内置random模块中几种常用的随机数生成方法。

1、random.random()：该方法随机生成一个位于0到1之间的浮点数，取值范围为[0.0, 1.0)。需注意，返回值可能为0，但绝不可能为1，即遵循左闭右开区间规则。


print("random: ", random.random())
#random: 0.5714025946899135

2、random.randint(a, b)：用于随机生成a与b之间的整数，取值范围为[a, b]，满足a<=n<=b。若需生成不包含上限b的随机整数（即区间[a, b)），应使用random.randrange()方法。


print("randint: ", random.randint(6,8))
#randint: 8

3、random.randrange(start, stop, step)：该方法按指定步长step，在上下限范围内随机选取一个数，取值范围为start<=n<stop。


print("randrange: ",random.randrange(20,100,5))
#randrange: 85

4、random.uniform(a, b)：用于随机生成a与b之间的浮点数，取值范围为[a, b]，满足a<=n<=b。


print("uniform: ",random.uniform(5,10))
#uniform: 5.119790163375776

5、random.choice()：从列表、元组或字符串等非空序列中随机抽取一个元素。若传入的参数为空序列，该方法将抛出IndexError异常。


print("choice: ",random.choice("www.yuanxiao.net"))
#choice: y

6、random.shuffle(items)：将列表items中的元素顺序随机打乱。若需保留原列表不变，建议先使用copy模块拷贝一份副本再进行操作。


num = [1, 2, 3, 4, 5]
random.shuffle(num)
print("shuffle: ",num)
#shuffle: [1, 3, 5, 4, 2]

7、random.sample(items, n)：从列表items中随机抽取n个不重复的元素。


num = [1, 2, 3, 4, 5]
print("sample: ",random.sample(num, 3))
#sample: [4, 1, 5]

Python的random模块生成的随机数实为伪随机数，其结果依赖于特定算法及指定的不确定因素（即种子seed）。例如，randint方法在生成指定范围内的随机数前，会先设定一个特定的seed值，通过特定算法生成符合分布的随机数。因此，输入相同的seed值将产生相同的随机数序列；若省略seed参数，则默认使用当前系统时间的秒数作为种子，确保每次运行产生的随机数不同。


random.seed(2)
print("random: ", random.random())
#random: 0.9560342718892494
random.seed(3)
print("random: ", random.random())
#random: 0.23796462709189137
random.seed(3)#同一个种子值，产生的随机数相同
print("random: ", random.random())
#random: 0.23796462709189137

numpy库同样提供了random模块，专门用于生成多维数组形式的随机数。使用时需导入numpy库。

import numpy as np

numpy库随机数生成方法

以下介绍numpy库random模块中几种常用的随机数生成方法。

1、numpy.random.rand(d0, d1, …, dn)

rand函数根据给定的维度生成[0, 1)之间的数据，包含0但不包含1。
dn表示每个维度的大小。

返回值为指定维度的array对象。


print("np.random.rand：\n {}".format(np.random.rand(4,2))) 
# shape: 4*3
"""
np.random.rand：
 [[0.5488135 0.71518937]
 [0.60276338 0.54488318]
 [0.4236548 0.64589411]
 [0.43758721 0.891773 ]]
"""
print("np.random.rand：\n {}".format(np.random.rand(4,3,2))) 
# shape: 4*3*2
"""
np.random.rand：
 [[[0.96366276 0.38344152]
 [0.79172504 0.52889492]
 [0.56804456 0.92559664]]

 [[0.07103606 0.0871293 ]
 [0.0202184 0.83261985]
 [0.77815675 0.87001215]]

 [[0.97861834 0.79915856]
 [0.46147936 0.78052918]
 [0.11827443 0.63992102]]

 [[0.14335329 0.94466892]
  [0.52184832 0.41466194]
  [0.26455561 0.77423369]]]
"""

2、numpy.random.randn(d0, d1, …, dn)

randn函数返回一个或一组样本，这些样本服从标准正态分布。
dn表示每个维度的大小。
返回值为指定维度的array对象。

标准正态分布（standard normal distribution），又称u分布，是均值为0、标准差为1的正态分布，记为N(0, 1)。


print("np.random.randn：\n {}".format(np.random.randn())) 
# 当没有参数时，返回单个数据
"""
np.random.randn：
 2.2697546239876076
"""
print("np.random.randn：\n {}".format(np.random.randn(2,4)))
"""
np.random.randn：
 [[-1.45436567 0.04575852 -0.18718385 1.53277921]
 [ 1.46935877 0.15494743 0.37816252 -0.88778575]]
"""
print("np.random.randn：\n {}".format(np.random.randn(4,3,2)))
"""
np.random.randn：
 [[[-1.98079647 -0.34791215]
 [ 0.15634897 1.23029068]
 [ 1.20237985 -0.38732682]]
 [[-0.30230275 -1.04855297]
 [-1.42001794 -1.70627019]
 [ 1.9507754 -0.50965218]]
 [[-0.4380743 -1.25279536]
 [ 0.77749036 -1.61389785]
 [-0.21274028 -0.89546656]]
 [[ 0.3869025 -0.51080514]
 [-1.18063218 -0.02818223]
 [ 0.42833187 0.06651722]]]
"""

3、numpy.random.randint(low, high=None, size=None, dtype='l')

返回随机整数，范围区间为[low, high)，包含low但不包含high。参数说明：low为最小值，high为最大值，size为数组维度大小，dtype为数据类型（默认为np.int）。若未填写high参数，默认生成随机数的范围为[0, low)。


print("np.random.randint：\n {}".format(np.random.randint(1,size=5)))
# 返回[0,1)之间的整数，所以只有0
"""
np.random.randint：
 [0 0 0 0 0]
"""
print("np.random.randint：\n {}".format(np.random.randint(1,5)))# 返回1个[1,5)时间的随机整数
"""
np.random.randint：
 2
"""
print("np.random.randint：\n {}".format(np.random.randint(-5,5,size=(2,2))))
"""
np.random.randint：
 [[-5 -3]
 [ 2 -3]]
"""

4、numpy.random.seed()

np.random.seed()的作用是使生成的随机数据具有可预测性。

当设置相同的seed值时，每次生成的随机数序列相同。若不设置seed，则每次运行会生成不同的随机数。