分享一篇Python中random（随机生成数）的实例教程

《分享一篇Python中random（随机生成数）的实例教程》

在Python编程中，随机数生成是常见的需求，无论是用于游戏开发、数据采样、密码学还是模拟实验，`random`模块都提供了强大的工具。本文将通过丰富的实例，详细讲解`random`模块的核心功能，帮助读者从基础到进阶掌握随机数生成技巧。

一、random模块基础

`random`是Python标准库中的模块，无需安装即可直接导入。其核心功能包括生成伪随机数、随机选择序列元素、打乱序列顺序等。所有函数生成的随机数基于伪随机数生成器（PRNG），默认使用Mersenne Twister算法，可通过`seed()`函数设置随机种子以复现结果。

import random

# 设置随机种子（可选）
random.seed(42)  # 固定种子后，每次运行结果相同

# 生成0到1之间的随机浮点数
print(random.random())  # 输出示例：0.6394267984578837

二、核心函数详解

1. 生成随机整数

`randint(a, b)`函数返回范围`[a, b]`内的随机整数（包含两端点）。

# 生成1到10之间的随机整数
print(random.randint(1, 10))  # 输出示例：7

# 模拟掷骰子
dice_roll = random.randint(1, 6)
print(f"骰子点数: {dice_roll}")

`randrange(start, stop[, step])`函数提供更灵活的范围控制，支持步长参数。

# 生成0到99之间的随机偶数
even_num = random.randrange(0, 100, 2)
print(even_num)  # 输出示例：42

# 生成1到100之间的随机奇数
odd_num = random.randrange(1, 100, 2)
print(odd_num)  # 输出示例：87

2. 生成随机浮点数

`uniform(a, b)`返回范围`[a, b]`内的随机浮点数。

# 生成1.5到3.5之间的随机浮点数
print(random.uniform(1.5, 3.5))  # 输出示例：2.1473865423

`random()`函数返回`[0.0, 1.0)`范围内的浮点数，常用于归一化场景。

# 生成0到1之间的随机数（不包含1）
prob = random.random()
print(f"随机概率值: {prob:.4f}")  # 输出示例：0.3745

3. 从序列中随机选择

`choice(seq)`从非空序列中随机返回一个元素。

colors = ["红", "绿", "蓝", "黄"]
selected_color = random.choice(colors)
print(f"随机选择的颜色: {selected_color}")  # 输出示例：蓝

`choices(population, weights=None, *, k=1)`返回包含`k`个元素的列表，可指定权重。

# 带权重的随机选择（70%概率选A，30%选B）
options = ["A", "B"]
weights = [0.7, 0.3]
selected = random.choices(options, weights=weights, k=5)
print(f"5次选择结果: {selected}")  # 输出示例：['A', 'A', 'B', 'A', 'A']

`sample(population, k)`从序列中随机选择`k`个不重复元素。

# 从1-10中随机选3个不重复数字
numbers = list(range(1, 11))
lottery = random.sample(numbers, 3)
print(f"中奖号码: {sorted(lottery)}")  # 输出示例：[2, 5, 9]

4. 打乱序列顺序

`shuffle(x)`函数直接修改原序列，将其元素随机打乱。

deck = ["A♠", "K♥", "Q♦", "J♣"]
random.shuffle(deck)
print(f"洗牌后的牌序: {deck}")  # 输出示例：['Q♦', 'J♣', 'A♠', 'K♥']

三、高级应用场景

1. 生成不重复随机数

方法1：使用`sample`函数

# 生成1-100之间的10个不重复随机数
unique_numbers = random.sample(range(1, 101), 10)
print(unique_numbers)  # 输出示例：[34, 72, 15, 89, 2, 67, 91, 43, 56, 10]

方法2：结合集合去重（适用于大范围抽样）

def generate_unique_randoms(start, end, count):
    result = set()
    while len(result) 

2. 加权随机选择

应用场景：根据概率分布选择选项

items = ["苹果", "香蕉", "橙子"]
weights = [0.5, 0.3, 0.2]  # 50%选苹果，30%选香蕉，20%选橙子

# 方法1：使用choices
selection = random.choices(items, weights=weights, k=10)
print("10次选择结果:", selection)

# 方法2：累积权重法（适合自定义实现）
def weighted_choice(items, weights):
    cum_weights = []
    current_sum = 0
    for w in weights:
        current_sum += w
        cum_weights.append(current_sum)
    
    rand_val = random.random() * cum_weights[-1]
    for i, weight in enumerate(cum_weights):
        if rand_val 

3. 随机数分布

`random`模块还支持多种概率分布：

• gauss(mu, sigma)：正态分布
• expovariate(lambd)：指数分布
• triangular(low, high, mode)：三角分布

# 生成均值为0，标准差为1的正态分布随机数
normal_dist = [random.gauss(0, 1) for _ in range(1000)]
print(f"前5个正态分布数: {normal_dist[:5]}")  # 输出示例：[-0.234, 1.456, -0.789, ...]

# 生成指数分布随机数（lambda=0.1）
exp_dist = [random.expovariate(0.1) for _ in range(10)]
print(f"指数分布数: {exp_dist}")

四、实际应用案例

1. 密码生成器

import string

def generate_password(length=12):
    characters = string.ascii_letters + string.digits + "!@#$%^&*"
    return ''.join(random.choice(characters) for _ in range(length))

print("随机密码:", generate_password())  # 输出示例：xK9@pL7!qR2#

2. 抽奖系统

participants = ["张三", "李四", "王五", "赵六", "钱七"]
winners = random.sample(participants, 3)
print("中奖名单:", winners)  # 输出示例：['李四', '钱七', '张三']

3. 数据集随机划分

data = list(range(1, 101))  # 假设有100条数据
random.shuffle(data)

train_size = int(0.7 * len(data))
train_data = data[:train_size]
test_data = data[train_size:]

print(f"训练集大小: {len(train_data)}, 测试集大小: {len(test_data)}")

五、注意事项

1. 安全性：`random`模块不适合加密用途，需要安全随机数时应使用`secrets`模块

import secrets

# 生成安全的随机令牌
token = secrets.token_hex(16)
print("安全令牌:", token)  # 输出示例：3a7d8c9e2f4b6a1d3e5f7c9b0a2d4e6f

2. 种子设置：在需要复现结果时设置随机种子

def reproduce_experiment():
    random.seed(123)
    data = [random.random() for _ in range(5)]
    return data

print("可复现结果:", reproduce_experiment())  # 每次运行结果相同

3. 性能考虑：对于大规模随机数生成，考虑使用`numpy.random`模块

import numpy as np

# 生成100万个标准正态分布随机数
large_sample = np.random.normal(0, 1, 1000000)
print(f"生成数量: {len(large_sample)}")

六、总结与扩展

本文系统介绍了Python中`random`模块的核心功能，包括：

• 基础随机数生成（整数、浮点数）
• 序列元素随机选择与打乱
• 加权随机选择与不重复抽样
• 多种概率分布支持
• 实际应用案例（密码生成、抽奖、数据划分）

掌握这些技术后，读者可以：

• 开发需要随机性的游戏和模拟程序
• 构建数据预处理流程中的随机采样环节
• 实现概率算法和随机化算法

进一步学习方向：

• 探索`numpy.random`模块的高性能随机数生成
• 研究密码学安全的随机数生成原理
• 了解随机数生成器的数学基础（如线性同余法、梅森旋转算法）

关键词：Python随机数、random模块、随机整数生成、随机浮点数、序列随机选择、加权随机、不重复抽样、随机数应用、random.seed、安全随机数

简介：本文通过20+个实例详细讲解Python中random模块的使用方法，涵盖基础随机数生成、序列元素随机操作、加权随机选择、不重复抽样等核心功能，并提供密码生成、抽奖系统、数据集划分等实际应用案例，最后指出安全随机数生成和性能优化的注意事项。