Python Random 模块使用完全指南

一、模块基础与核心功能

1. 模块导入与初始化

所有随机操作需先导入模块：

import random  # 标准导入方式
import random as rd  # 别名导入（推荐）

核心原理：默认基于梅森旋转算法生成伪随机数，可通过random.seed()设置种子实现结果重现

2. 随机数生成方法

2.1 整型随机数

# 生成1-10闭区间随机整数（含10）
print(rd.randint(1, 10))  # 示例输出：7

# 生成0-100步长5的随机数（0,5,10,...,100）
print(rd.randrange(0, 101, 5))  # 示例输出：45

2.2 浮点型随机数

# 生成0.0~1.0之间的浮点数
print(rd.random())  # 示例输出：0.5488135

# 生成指定范围的浮点数（支持倒序范围）
print(rd.uniform(3.5, 10.0))  # 示例输出：6.782341

二、序列操作与随机选择

1. 元素选择

fruits = ['apple', 'banana', 'orange']

# 单个随机选择
print(rd.choice(fruits))  # 示例输出：'banana'

# 加权随机选择（权重比为1:2:3）
print(rd.choices(fruits, weights=[1,2,3], k=2))  # 示例输出：['orange', 'banana'] 

2. 抽样与洗牌

# 无重复抽样（类似彩票开奖）
print(rd.sample(range(100), 5))  # 示例输出：[42, 15, 73, 88, 3] 

# 列表原地洗牌
cards = ['A', 'K', 'Q', 'J']
rd.shuffle(cards)
print(cards)  # 示例输出：['Q', 'A', 'J', 'K']

三、高级应用场景

1. 随机种子控制

rd.seed(2025)  # 固定随机序列
print(rd.randint(1,100))  # 固定输出：83
print(rd.random())  # 固定输出：0.2846

应用价值：在机器学习中保证实验可复现性

2. 特殊分布生成

# 正态分布（均值100，标准差15）
print(rd.gauss(100, 15))  # 示例输出：103.782

# 指数分布（lambda=0.5）
print(rd.expovariate(0.5))  # 示例输出：1.342

3. 位级随机数

# 生成128位随机数（用于低级加密）
print(rd.getrandbits(128))  # 输出：32348723948723948723984723984

四、实战开发案例

1. 抽奖系统开发

participants = ['张三', '李四', '王五', '赵六']
winner = rd.sample(participants, k=2)  # 抽取2名不重复获奖者
print(f"中奖者：{', '.join(winner)}")

2. 验证码生成器

def generate_code(length=6):
    chars = 'ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789'
    return ''.join(rd.choices(chars, k=length))

print(generate_code())  # 示例输出：'X3G9F2'

3. 蒙特卡洛模拟

import math

def pi_estimation(n):
    inside = 0
    for _ in range(n):
        x, y = rd.random(), rd.random()
        if math.sqrt(x**2 + y**2) <= 1:
            inside +=1
    return 4 * inside / n

print(pi_estimation(1000000))  # 近似π值输出：3.141592

五、性能优化建议

​1. 批量生成：使用numpy生成大型随机矩阵

import numpy as np
big_matrix = np.random.randint(0,100,(1000,1000))  # 百万级随机数生成

​2. 安全随机：敏感操作使用secrets模块

import secrets
print(secrets.token_hex(16))  # 生成加密安全随机数

六、注意事项

1. ​种子设置：仅在需要重现结果时使用，默认采用系统时间熵源
2. 浮点精度：金融计算建议使用decimal模块处理
3. 线程安全：多线程环境下建议使用独立Random实例
4. ​密码学警告：不要用于安全敏感场景，应使用secrets模块