Python生成随机数主要使用random模块，提供random()、uniform()、randint()、randrange()等函数生成浮点数和整数，choice()、sample()、shuffle()处理序列随机操作，而secrets模块用于加密安全的随机性需求。
Python要生成随机数，核心就是使用内置的
random
模块。它能提供各种类型的随机数，无论是简单的整数、浮点数，还是从序列中随机选择元素，甚至对序列进行洗牌，都能轻松实现。
解决方案
在Python中，生成随机数主要围绕
random
模块展开。这个模块提供了一系列函数来满足不同的随机数需求。
生成0到1之间的随机浮点数：
random.random()
会返回一个0.0到1.0之间（不包含1.0）的浮点数。这是最基础的随机数生成方式，很多时候我们会基于它来构造其他范围的随机数。
import randomprint(random.random()) # 示例输出：0.73289...
生成指定范围内的随机浮点数：
random.uniform(a, b)
可以生成一个在
a
和
b
之间（包含
a
和
b
）的随机浮点数。这比先生成0到1再手动缩放要方便得多。
立即学习“Python免费学习笔记（深入）”；
import randomprint(random.uniform(10, 20)) # 示例输出：14.567...
生成指定范围内的随机整数：
random.randint(a, b)
会返回一个在
a
和
b
之间（包含
a
和
b
）的随机整数。这个函数用起来非常直观，是我最常用来获取整数随机数的方法。
import randomprint(random.randint(1, 10)) # 示例输出：5
从指定范围按步长生成随机整数：
random.randrange(start, stop, step)
和
range()
函数类似，但它会从
range(start, stop, step)
生成的序列中随机选择一个整数。
stop
是不包含的。
import randomprint(random.randrange(0, 100, 5)) # 示例输出：75 (必须是0, 5, 10...这样的数)
从序列中随机选择一个元素：
random.choice(sequence)
能从非空序列（如列表、元组、字符串）中随机挑选一个元素。这在需要随机抽取选项时非常有用。
import randomchoices = ['apple', 'banana', 'cherry']print(random.choice(choices)) # 示例输出：banana
从序列中随机选择K个不重复的元素：
random.sample(population, k)
会从
population
序列中随机抽取
k
个不重复的元素，以列表形式返回。这对于抽奖、生成不重复的随机组合等场景非常关键。
import randomnumbers = list(range(1, 11))print(random.sample(numbers, 3)) # 示例输出：[7, 2, 9]
打乱序列的顺序：
random.shuffle(sequence)
会将序列中的元素随机排列，原地修改序列。注意，这个函数没有返回值。
import randomcards = ['A', 'K', 'Q', 'J', '10']random.shuffle(cards)print(cards) # 示例输出：['Q', '10', 'A', 'J', 'K']
Python中生成随机整数有哪些具体方法？它们之间有什么区别？
在Python里，生成随机整数主要靠
random.randint()
和
random.randrange()
这两个函数。虽然它们都能生成整数，但在使用场景和参数处理上还是有些细微的差别，我个人觉得理解这些差异能帮助我们更精确地控制随机数的生成。
random.randint(a, b)
是最直接的，它会返回一个在
a
和
b
之间（包括
a
和
b
两端）的随机整数。比如说，
random.randint(1, 10)
就可能生成1、2、…直到10的任何一个整数。它的优点就是直观，边界条件明确，你想要一个闭区间的整数，用它准没错。在我需要一个比如1到100的随机分数时，我通常会毫不犹豫地选择
randint
。
而
random.randrange(start, stop, step)
则更像是
range()
函数的随机版本。它会从
range(start, stop, step)
这个序列中随机挑选一个整数。这里的
stop
是不包含的，和
range()
的行为一致。
step
参数允许你指定步长，这意味着你可以生成只包含特定倍数的随机数。比如
random.randrange(0, 100, 5)
，它只会生成0, 5, 10, … 95这些数字中的一个。我发现当我们需要生成一个符合特定模式的随机数，比如只取偶数、只取某个间隔的数时，
randrange
的灵活性就体现出来了。比如，要从1到100之间生成一个随机偶数，用
randrange(2, 101, 2)
就比
randint
后再判断是否为偶数要优雅得多。所以，简单直接的闭区间用
randint
，需要步长或开区间的灵活性时，
randrange
则是更好的选择。
如何在Python中生成随机浮点数？精度和范围如何控制？
生成随机浮点数，Python的
random
模块提供了
random.random()
和
random.uniform(a, b)
两个主要工具。它们各有侧重，用起来也挺顺手的。
random.random()
是最基础的，它会返回一个
[0.0, 1.0)
区间内的随机浮点数，也就是说，它可能等于0.0，但永远不会等于1.0。这个函数通常作为更复杂随机数生成的基础。比如，如果你想生成一个
[min_val, max_val)
范围的浮点数，你可以这样做：
min_val + (max_val - min_val) * random.random()
。这虽然有效，但有时会觉得有点绕。
这时候
random.uniform(a, b)
就显得更方便了。它能直接生成一个在
a
和
b
之间（包含
a
和
b
，即
[a, b]
或
[b, a]
，取决于
a
和
b
的大小）的随机浮点数。比如，
random.uniform(1.5, 3.8)
就能直接给你一个在这个范围内的数。我个人在模拟一些连续变量，比如传感器读数或者某个物理量时，经常会用到
uniform
，因为它能直接设定上下限，代码看起来也更清晰。
至于精度控制，Python的浮点数默认是双精度（通常是64位），这意味着它们已经有相当高的精度了。如果你需要将随机浮点数限制在特定的十进制位数，通常的做法是先生成浮点数，然后使用
round()
函数进行四舍五入。例如，
round(random.uniform(1.0, 10.0), 2)
就能得到一个两位小数的随机浮点数。不过要注意，
round()
函数在处理浮点数时，可能会因为浮点数本身的表示问题，在某些边缘情况下表现得不那么“直观”，但对于大多数应用来说，这已经足够了。如果对精度有极高的要求，或者需要进行大量精确的十进制运算，可能需要考虑使用
decimal
模块，但那通常是更专业的场景了。
除了基本的数字，Python还能如何处理序列和加密安全的随机性？
除了生成基础的数字，
random
模块在处理序列方面也提供了非常实用的功能，这在很多实际场景中都非常有用。同时，当涉及到安全敏感的随机性需求时，我们还需要引入另一个模块：
secrets
。
对于序列处理，我们有：
随机选择一个元素 (
random.choice
)：这个函数非常简单直观。比如，你有一个选项列表
['石头', '剪刀', '布']
，想随机选一个，
random.choice(['石头', '剪刀', '布'])
就能轻松搞定。它会从给定的非空序列中随机挑出一个元素返回。这在模拟抽奖、随机分配任务等场景中特别方便。
随机选择多个不重复的元素 (
random.sample
)：当我们需要从一个集合中抽取多个不同的样本时，
random.sample(population, k)
是不二之选。它会从
population
中随机选择
k
个唯一的元素，并以列表的形式返回。比如，从一副牌中抽五张牌，或者从班级里随机选三名同学参加活动，
random.sample
就能完美胜任。它保证了抽取的元素不会重复，这在很多实际应用中是至关重要的。
打乱序列顺序 (
random.shuffle
)：
random.shuffle(x)
会将序列
x
中的元素原地随机打乱。这意味着它直接修改了原始列表，没有返回值。这个功能在模拟洗牌、随机化实验顺序或者需要打乱数据以消除潜在偏差时非常有用。我经常用它来打乱数据集，确保模型训练的随机性。
谈到加密安全的随机性，这里就有一个非常重要的区分了。
random
模块生成的随机数是伪随机数，它们是通过一个确定性算法从一个“种子”值生成的。这意味着，如果知道种子，就能预测接下来的所有随机数。这对于一般的模拟或游戏是没问题的，但对于密码学应用（比如生成密码、安全令牌、密钥等）来说，这是绝对不安全的。
在这种需要高强度随机性的场景下，Python提供了
secrets
模块。
secrets
模块旨在生成适用于加密用途的强随机数。它内部依赖于操作系统提供的随机源（比如
/dev/urandom
或
CryptGenRandom
），这些随机源被认为是密码学安全的。
secrets
模块的一些常用功能包括：
生成安全整数 (
secrets.randbelow(n)
)：返回一个
[0, n)
范围内的随机整数，这个整数是密码学安全的。
生成安全随机选择 (
secrets.choice(sequence)
)：和
random.choice
类似，但它使用的随机源是密码学安全的。
生成随机字节串 (
secrets.token_bytes([nbytes])
)：生成指定长度的随机字节串，非常适合用作密钥或加密盐。
生成随机十六进制字符串 (
secrets.token_hex([nbytes])
)：生成一个随机的十六进制字符串，通常用于生成API密钥、会话令牌等。
生成随机URL安全字符串 (
secrets.token_urlsafe([nbytes])
)：生成一个URL安全的随机文本字符串，常用于生成密码重置链接中的令牌。
我个人认为，理解
random
和
secrets
之间的区别至关重要。我见过不少开发者在需要生成密码或安全令牌时，不假思索地使用了
random
模块，这无疑埋下了严重的安全隐患。只要是涉及用户数据安全、身份验证或者任何需要防止预测的场景，
secrets
模块才是唯一正确的选择。记住，安全性不是小事，选对工具是第一步。
以上就是python怎么生成一个随机数_python随机数生成方法汇总的详细内容，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/1371266.html
微信扫一扫 
支付宝扫一扫 
