Python生成随机数依赖random模块，提供randint、choice等方法生成整数、浮点数及序列操作；通过seed()可复现随机序列；涉及安全时应使用secrets模块；还可生成正态分布等特定分布随机数。
Python生成随机数的核心，其实就是依赖于它内置的
random
模块。这个模块提供了一系列工具，能让你轻松地在各种场景下获取你想要的随机值，无论是简单的整数、浮点数，还是从序列中随机选取元素。
要说在Python里生成随机数，最直接的方式就是引入
random
模块。
import random# 生成一个0.0到1.0之间的随机浮点数# 比如，你可能需要一个随机的百分比值float_num = random.random()print(f"随机浮点数 (0.0-1.0): {float_num}")# 生成指定范围内的随机整数（包含边界）# 假设你需要一个1到100之间的随机抽奖号码int_num = random.randint(1, 100)print(f"随机整数 (1-100): {int_num}")# 如果你想要一个指定步长的随机整数，`randrange`会更合适# 比如，只想生成1到100之间，且是偶数的随机数even_num = random.randrange(2, 101, 2) # 从2开始，到100结束（不包含101），步长为2print(f"随机偶数 (2-100): {even_num}")# 生成指定范围内的随机浮点数（包含边界）# 比如，模拟一个温度值在20.5到30.0之间uniform_float = random.uniform(20.5, 30.0)print(f"随机浮点数 (20.5-30.0): {uniform_float}")# 从序列中随机选择一个元素# 比如，从一个列表中随机选出今天的午餐choices = ["面条", "米饭", "饺子", "沙拉"]lunch = random.choice(choices)print(f"今天的随机午餐: {lunch}")# 随机打乱一个序列# 比如，洗牌游戏cards = ['A', 'K', 'Q', 'J', '10', '9', '8', '7', '6', '5', '4', '3', '2']random.shuffle(cards)print(f"洗牌后的结果: {cards}")# 从一个序列中随机抽取K个不重复的元素# 比如，从班级里随机选出3个同学参加活动students = ["张三", "李四", "王五", "赵六", "钱七", "孙八"]selected_students = random.sample(students, 3)print(f"随机选出的3位同学: {selected_students}")
这些方法几乎能覆盖日常开发中绝大多数随机数的需求。我个人觉得，
randint
和
choice
是最常用的，它们简单直观，能解决很多实际问题。
如何让Python生成的随机数序列可以重复出现？
嗯，这是一个非常实际的问题，尤其是在调试或者科学实验中。有时候我们希望程序每次运行时，虽然生成的是随机数，但它们的序列是完全一样的，这样才能确保实验结果的可复现性。Python的
random
模块里有一个叫做
seed()
的函数，它就是用来解决这个问题的。
立即学习“Python免费学习笔记（深入）”；
简单来说，
random.seed()
函数就是给随机数生成器设定一个“起点”。只要这个起点（也就是
seed
值）是固定的，那么后续生成的随机数序列就一定会是一样的。
import random# 第一次运行，设定一个固定的种子random.seed(42) # 42只是一个常用的“魔法数字”，你可以用任何整数print("第一次运行，固定种子：")print(f"随机整数1: {random.randint(1, 100)}")print(f"随机整数2: {random.randint(1, 100)}")# 第二次运行，再次设定相同的种子random.seed(42)print("n第二次运行，再次固定相同种子：")print(f"随机整数1: {random.randint(1, 100)}")print(f"随机整数2: {random.randint(1, 100)}")# 如果不设定种子，或者设定不同的种子print("n不设定种子或设定不同种子：")print(f"随机整数3 (无种子): {random.randint(1, 100)}")random.seed(100)print(f"随机整数4 (不同种子): {random.randint(1, 100)}")
你会发现，前两次运行的结果是完全一样的。这对于测试、机器学习模型训练的复现等场景至关重要。但话说回来，如果你想要真正的“不可预测”的随机性，比如在密码学应用中，那你就绝对不能使用固定的种子。通常情况下，如果不手动调用
seed()
，Python会默认使用系统时间或者操作系统提供的随机源来初始化种子，这样每次运行的随机数序列就都是不同的了。这很合理，对吧？
Python的“随机数”真的随机吗？何时需要更强的随机性？
这个问题问得很好，也是很多人容易混淆的地方。说实话，计算机生成的“随机数”，严格意义上讲，都不是真正的随机数，它们被称为“伪随机数”（Pseudo-Random Numbers）。这是因为它们是通过一个确定性的算法生成的，只要你知道了初始的种子（seed）和算法，你就能预测出接下来的所有“随机数”。你看，这不就和我们上一个问题里说的
seed()
机制对上了吗？
random
模块使用的就是这种伪随机数生成器（PRNG），它在大多数日常应用中，比如游戏、模拟、数据抽样等场景，表现已经足够好了，足以让人觉得是随机的。它的速度很快，而且在统计学上表现也相当不错。
但是，有些时候，我们需要的是真正的、不可预测的随机性，尤其是在安全相关的应用中，比如生成密码、加密密钥、会话令牌等。在这种情况下，伪随机数就显得力不从心了，因为攻击者一旦猜测到或获取到种子，你的“随机性”就荡然无存了。
这时候，Python的
secrets
模块就派上用场了。
secrets
模块专门为生成加密安全的随机数而设计。它利用操作系统提供的更高级别的随机源（比如硬件噪声、用户操作等），这些源被认为是更接近“真随机”的。
import secrets# 生成一个安全的随机整数，通常用于生成令牌、密钥等# 比如，生成一个长度为16字节的十六进制字符串作为令牌secure_token = secrets.token_hex(16)print(f"安全的十六进制令牌: {secure_token}")# 生成一个随机URL安全文本字符串secure_url_safe_token = secrets.token_urlsafe(24)print(f"安全的URL安全令牌: {secure_url_safe_token}")# 从序列中安全地选择一个元素# 比如，在认证流程中随机选择一个挑战问题secure_choices = ["你的宠物名字？", "你母亲的姓氏？", "你第一辆车的品牌？"]secure_challenge = secrets.choice(secure_choices)print(f"安全的挑战问题: {secure_challenge}")
所以，关键点在于：如果你只是想让程序行为看起来“随机”，
random
模块足够了。但如果你是在处理敏感信息，涉及到安全问题，请务必使用
secrets
模块。这是个非常重要的区分，别搞错了。
除了基础用法，Python还能怎么生成特定分布的随机数？
除了之前提到的那些生成均匀分布整数或浮点数的方法，
random
模块其实还提供了一些生成特定统计分布随机数的工具，这在科学计算、统计分析或者模拟实验中非常有用。我个人觉得，这些功能虽然不常用，但一旦用上，就显得特别强大。
比如，如果你需要模拟一个符合正态分布（高斯分布）的数据，
random.gauss()
或者
random.normalvariate()
就能派上用场了。
import random# 生成符合正态分布的随机数# 参数：mu（均值），sigma（标准差）# 比如，模拟一群人的身高，平均身高170cm，标准差5cmheights = [random.gauss(170, 5) for _ in range(1000)]print(f"前5个模拟身高: {heights[:5]}")# 还有指数分布# random.expovariate(lambda_)，lambda_是1.0除以期望平均值# 比如，模拟事件发生的时间间隔，平均每10分钟发生一次，那么lambda_就是1/10 = 0.1event_intervals = [random.expovariate(0.1) for _ in range(1
以上就是Python怎么生成一个随机数_Python随机数生成技巧的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1370851.html
微信扫一扫 
支付宝扫一扫 
