Python random模块生成随机数基础用法
本文系统讲解Python标准库random模块的基础用法,涵盖随机小数、随机整数、序列随机抽取与打乱、随机种子控制及安全注意事项。
在编写程序时,模拟掷骰子、随机发放验证码、从用户名单中抽取中奖者、或者在训练模型前打乱数据集,都需要用到随机数。Python 标准库自带的 random 模块提供了开箱即用的随机数生成方案。本文直接讲解 random 模块的核心用法,包括生成浮点数、生成指定区间整数、对序列进行随机操作以及设置随机种子,帮助读者掌握常用随机操作并在日常开发中准确选择对应函数。
一、快速了解:random 模块与伪随机原理
Python 的 random 模块基于梅森旋转算法(Mersenne Twister)实现。计算机本身无法产生物理意义上的“真随机数”,而是通过一个数学算法和初始状态推导出一串数字序列,这种随机数称为伪随机数(PRNG)。
算法的起始状态由“随机种子”(Seed)决定。如果种子相同,算法产生的随机数序列是完全固定且可预测的;若不手动设定种子,Python 默认会使用系统时钟(或操作系统提供的随机源)初始化种子,因此每次执行程序都会得到不同的随机结果。
二、调用流程与函数选型
在使用 random 模块前,第一步是导入模块。随后根据需要生成的数字类型(浮点数、整数还是序列处理)挑选对应的具体函数即可。
三、生成随机浮点数
生成浮点数常用的有两个函数:random.random() 与 random.uniform(a, b)。
1. random.random()
random.random() 不需要传入参数,返回值是一个位于 [0.0, 1.0) 范围内的浮点数(包含 0.0,不包含 1.0)。
import random
val = random.random()
print("生成的随机浮点数:", val)
2. random.uniform(a, b)
如果需要在特定的连续区间(例如 10.5 到 20.0 之间)生成随机浮点数,使用 uniform(a, b) 函数:
import random
temp = random.uniform(10.5, 20.0)
print("指定区间浮点数:", temp)
四、生成随机整数
生成整数通常有两种需求:直接指定上下界闭区间,或者按照类似 range() 的步长选取。random 提供了 randint 和 randrange 两个函数。
1. random.randint(a, b)
randint(a, b) 生成一个满足 a <= n <= b 的整数。需要特别注意:两端边界均包含在内。例如模拟掷一个 6 面骰子:
import random
# 模拟掷骰子,结果为 1 到 6 之间的任意整数(包含 1 和 6)
dice = random.randint(1, 6)
print("掷出点数:", dice)
2. random.randrange(start, stop[, step])
randrange 的取值规则与 Python 内置的 range() 完全一致,遵循左闭右开原则(包含 start,但不包含 stop),且支持指定步长。例如随机生成一个 100 以内的偶数:
import random
# 在 0, 2, 4, ..., 98 中随机挑选一个数
even_num = random.randrange(0, 100, 2)
print("随机偶数:", even_num)
randint(a, b) 实际上等价于 randrange(a, b + 1)。如果只需要两个端点全包含的整数,使用 randint 更直观;如果需要步长(如只取奇数或偶数),应使用 randrange。
五、对序列进行随机操作
在实际业务中,很多场景不是产生裸数字,而是对已有列表、元组或字符串进行抽取和打乱。random 模块提供了 choice、sample 和 shuffle 三个核心函数。
1. 单个选取:random.choice(seq)
从非空序列(列表、元组、字符串等)中随机选取并返回一个元素:
import random
fruits = ["苹果", "香蕉", "橙子", "草莓"]
selected = random.choice(fruits)
print("随机选中的水果:", selected)
2. 无放回抽样:random.sample(population, k)
从序列或集合中随机抽取 k 个不重复的元素,结果以新列表形式返回。原数据保持不变:
import random
candidates = ["张三", "李四", "王五", "赵六", "孙七"]
# 抽取 2 名获奖者
winners = random.sample(candidates, 2)
print("抽取的获奖者:", winners)
3. 就地洗牌:random.shuffle(x)
将一个可变序列(如列表)中的所有元素在原位随机重排。该函数直接修改原列表,其返回值为 None。
import random
cards = ["A", "K", "Q", "J", "10"]
random.shuffle(cards)
print("洗牌后的卡牌序列:", cards)
cards = random.shuffle(cards) 这样的赋值语句,因为 shuffle() 返回 None,这会导致 cards 被覆盖为 None。
六、重现随机结果:随机种子 (random.seed)
在进行算法调试、数据清洗测试或教学演示时,我们常常希望每次运行代码都能产生完全相同的一组随机数。通过 random.seed(a) 可以固定生成器的初始状态。
import random
# 固定种子为 42
random.seed(42)
print("第1次运行:", [random.randint(1, 100) for _ in range(5)])
# 重新设置相同的种子
random.seed(42)
print("第2次运行:", [random.randint(1, 100) for _ in range(5)])
第1次运行: [82, 15, 4, 95, 36]
第2次运行: [82, 15, 4, 95, 36]
两次生成的列表元素顺序与数值完全一致,这证明了伪随机算法的确定性特征。
七、核心函数选型总结与安全边界
安全使用注意事项
必须重点说明的是,random 模块绝不能用于安全与加密相关领域。因为梅森旋转算法的状态在收集到 624 个连续输出后是完全可以被反推和逆向预测的。如果系统将 random 用于生成密码重置链接的 Token、临时验证码或敏感通信密钥,攻击者将有能力推导后续的所有输出。
在密码学或安全敏感场景下,请直接使用 Python 3.6+ 内置的 secrets 模块(例如 secrets.token_hex() 或 secrets.randbelow()),它直接调用操作系统内核的安全随机源,具备真正的不可预测性。
免责声明: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。









