在许多编程场景中，我们都需要引入随机性，无论是进行模拟、开发游戏、进行数据抽样，还是创建测试数据。Python作为一门功能强大的语言，内置了非常方便的模块来处理随机数生成。本文将围绕Python如何生成随机数这一主题，详细解答常见的疑问，并提供实用的代码示例。
什么是 Python 随机数生成？
Python中的随机数生成主要是通过标准库中的random模块来实现的。它提供了一系列函数，可以生成各种类型的伪随机数，包括整数、浮点数，以及从序列中随机选择元素或打乱序列。
需要注意的是，计算机生成的随机数通常是“伪随机数”。这意味着它们不是真正不可预测的，而是通过一个确定性的算法计算出来的，只是这个序列看起来很随机。这个算法依赖于一个初始值，称为“种子”(seed)。如果使用相同的种子，生成的随机数序列将是完全相同的。
为什么要使用 Python 生成随机数？
随机数在计算中有广泛的应用：
- 模拟与仿真：模拟现实世界中的随机事件，比如抛硬币、掷骰子、模拟股票价格波动或物理过程。
- 游戏开发：控制游戏中的不确定性，如敌人出现的位置、道具掉落、卡牌抽取、角色属性随机分配等。
- 数据科学与机器学习：进行随机抽样、划分训练集和测试集、初始化神经网络权重、实现随机梯度下降算法等。
- 算法设计：在一些算法中引入随机性以提高效率或找到近似解，如蒙特卡洛方法、随机化快速排序等。
- 测试：生成随机测试数据来验证程序的健壮性。
Python的random模块提供了丰富的功能，可以满足上述大多数场景的需求。
Python 随机数从哪里来？(伪随机数与种子)
如前所述，Python的random模块生成的是伪随机数。这些数字是通过一个算法（通常是Mersenne Twister算法）从一个起始点（种子）计算出来的序列。
默认情况下，如果没有指定种子，random模块在程序启动时会使用当前系统时间或其他系统状态作为种子。这意味着每次运行程序时，如果没有人工干预，生成的随机数序列将是不同的。
然而，你可以使用random.seed()函数来指定一个固定的种子。这在需要重复生成同一组“随机”序列时非常有用，比如调试程序或进行可复现的科学实验。
以下是使用种子的例子：
import random
# 使用固定的种子
random.seed(42)
print(f”第一次使用种子42生成随机浮点数: {random.random()}”)
print(f”第一次使用种子42生成随机整数: {random.randint(1, 10)}”)# 再次使用相同的种子
random.seed(42)
print(f”第二次使用种子42生成随机浮点数: {random.random()}”)
print(f”第二次使用种子42生成随机整数: {random.randint(1, 10)}”)# 不使用种子（或使用默认种子）
print(f”不使用种子生成的随机浮点数: {random.random()}”)
运行上述代码，你会发现第一次和第二次使用种子42生成的随机数是完全一样的。而最后一次不使用种子（使用默认种子）生成的随机数则很可能是不同的。
能生成多少随机数？随机性“如何”？
理论上，你可以使用Python的random模块生成无限多的伪随机数。只要你不断调用生成函数，它就会根据其内部状态和算法计算出下一个数字。这个伪随机序列的周期非常长（对于Mersenne Twister，周期超过 10^6000），所以在实际应用中，我们通常不会遇到序列重复的问题。
关于随机性的“如何”（质量），random模块生成的伪随机数对于大多数非加密应用来说已经足够“随机”了。它们通过了许多标准的随机性统计测试。然而，对于需要高度安全性或加密级别的随机性（即不可预测性），random模块是不适用的。在这种情况下，应该使用secrets模块，它提供加密安全的随机数生成功能。
如何使用 Python 生成不同类型的随机数？
这是最核心的部分。random模块提供了多种函数来满足不同的随机数生成需求。
1. 生成随机浮点数
random.random()
生成一个范围在 [0.0, 1.0) （大于等于0.0，小于1.0）之间的随机浮点数。
import random
# 生成一个 [0.0, 1.0) 范围的随机浮点数
print(random.random())
random.uniform(a, b)
生成一个范围在 [a, b] 或 [a, b) 之间的随机浮点数，具体包含哪一端点取决于浮点数的舍入精度。这是生成指定范围内浮点数最常用的方法。
import random
# 生成一个 [10.0, 20.0] 范围的随机浮点数
print(random.uniform(10, 20))# 生成一个 [-5.0, 5.0] 范围的随机浮点数
print(random.uniform(-5, 5))
2. 生成随机整数
random.randint(a, b)
生成一个范围在 [a, b] （大于等于a，小于等于b）之间的随机整数。注意，这里的b是包含在内的。
import random
# 模拟掷骰子 (生成 1 到 6 的整数)
print(random.randint(1, 6))# 生成 10 到 100 的整数 (包含 10 和 100)
print(random.randint(10, 100))
random.randrange(start, stop[, step])
从range(start, stop, step)生成一个随机元素。这相当于在由range()函数产生的序列中随机选择一个数。注意，stop是不包含在内的，这与randint()不同。
random.randrange(stop): 生成一个从 0 到 stop-1 的随机整数。random.randrange(start, stop): 生成一个从 start 到 stop-1 的随机整数。random.randrange(start, stop, step): 生成一个从 range(start, stop, step) 中符合步长的随机整数。
import random
# 生成一个 0 到 9 的整数 (相当于 random.randint(0, 9))
print(random.randrange(10))# 生成一个 10 到 99 的整数
print(random.randrange(10, 100))# 生成一个 10 到 100 之间的偶数 (步长为 2)
print(random.randrange(10, 101, 2)) # 注意 stop 是 101 才能包含 100
3. 从序列中随机选择
random.choice(seq)
从非空序列（如列表、元组、字符串）中随机选择一个元素。
import random
# 从列表中选择一个元素
my_list = [‘apple’, ‘banana’, ‘cherry’, ‘date’]
print(random.choice(my_list))# 从字符串中选择一个字符
my_string = “Python”
print(random.choice(my_string))
random.sample(population, k)
从总体序列(population)中随机抽取 k 个不重复的元素，返回一个新的列表。这常用于无放回抽样。
import random
# 从 1 到 52 中抽取 5 张扑克牌（不重复）
cards = list(range(1, 53))
hand = random.sample(cards, 5)
print(hand)# 从列表中抽取 2 个不重复的元素
my_list = [‘A’, ‘B’, ‘C’, ‘D’, ‘E’]
sample_elements = random.sample(my_list, 2)
print(sample_elements)
random.choices(population, weights=None, cum_weights=None, k=1)
这是 Python 3.6+ 版本新增的功能。从总体序列(population)中随机抽取 k 个元素，返回一个新的列表。这是一个有放回的抽样，并且可以指定每个元素的权重，进行加权随机选择。
import random
# 有放回地从列表中抽取 3 个元素
my_list = [‘A’, ‘B’, ‘C’, ‘D’, ‘E’]
choices_elements = random.choices(my_list, k=3)
print(choices_elements) # 可能会有重复元素# 按权重进行有放回抽样 (A有50%概率，B有30%，C有20%)
weighted_choices = random.choices([‘A’, ‘B’, ‘C’], weights=[50, 30, 20], k=5)
print(weighted_choices)
4. 打乱序列
random.shuffle(x[, random])
将序列 x 原地（in-place）打乱顺序。这意味着函数不会返回新的序列，而是直接修改原有的序列。
import random
# 打乱一个列表
my_list = [1, 2, 3, 4, 5, 6, 7, 8, 9]
random.shuffle(my_list)
print(my_list)# 打乱一个字符串或元组是无效的，因为它们是不可变的。需要先转换为列表
my_tuple = (10, 20, 30)
temp_list = list(my_tuple)
random.shuffle(temp_list)
shuffled_tuple = tuple(temp_list)
print(shuffled_tuple)
5. 其他分布
random模块还提供了一些用于生成特定概率分布随机数的函数，例如：
random.gauss(mu, sigma): 生成符合高斯分布（正态分布）的随机数，mu 是均值，sigma 是标准差。random.expovariate(lambd): 生成符合指数分布的随机数。- 还有其他分布如 Beta、Gamma、Pareto、Weibull 等。
这些函数主要用于更复杂的统计模拟和科学计算。
如何生成大量随机数？
生成大量随机数通常通过循环或列表推导式结合上述函数实现。例如，要生成100个介于1到100之间的随机整数：
import random
# 使用循环
random_integers = []
for _ in range(100):
random_integers.append(random.randint(1, 100))
print(random_integers[:10]) # 打印前10个示例# 使用列表推导式 (更简洁)
random_integers_comprehension = [random.randint(1, 100) for _ in range(100)]
print(random_integers_comprehension[:10]) # 打印前10个示例
生成大量随机浮点数或从序列中抽取大量样本也可以用类似的方式实现。
总结
Python的random模块功能强大且易于使用，能够满足绝大多数非安全相关的随机数生成需求。通过掌握random()、uniform()、randint()、randrange()、choice()、sample()和shuffle()等核心函数，你就可以在各种应用场景中轻松引入随机性。记住伪随机数的概念以及如何使用种子来控制可复现性。而在需要加密安全级别的随机数时，请转向使用secrets模块。