Python random模块用法整理

随机数在计算机科学领域扮演着重要的角色，用于模拟真实世界的随机性、数据生成、密码学等多个领域。Python 中的 random 模块提供了丰富的随机数生成功能，本文整理了 random 模块的使用。

文章目录

• [Python random 模块](#Python random 模块)
• • 注意事项
  • [Python random 模块的内置函数](#Python random 模块的内置函数)
  • • randint()
    • randrange()
    • random()
    • uniform()
    • [gauss(mu, sigma)](#gauss(mu, sigma))
    • sample()
    • choice(sequence)
    • shuffle(sequence)
    • seed(a=None)

Python random 模块

注意事项

• 伪随机性 ：Python 使用 random 模块生成各种分布的伪随机数。计算机生成的随机数都是伪随机数，它们是由确定性算法生成的，只是看起来像随机。如果需要高度的随机性，需要额外的随机源。

• 不同类型的随机性：在模拟、密码学等场景中，需要注意不同类型的随机性需求。如果前往 Python 文档以获取此模块的文档，将会看到一条警告：

  

  显然，random 模块只适用于一般的随机数需求。random 模块使用 Mersenne Twister 算法来生成随机数。但是这种算法是完全确定性的，而对于密码学等需要高强度随机性的场景，应该使用 secrets 模块。

Python random 模块的内置函数

下面是 random 模块下的各种内置函数。这些函数能够在不同场景下生成伪随机数：

下面的列表包含了上述随机数生成函数的简要说明：

函数名	描述
randint(a, b)	生成一个位于 [a, b] 范围内的随机整数
randrange(start, stop, step)	生成一个以 step 递增的整数序列中的随机元素
random()	生成一个位于 [0.0, 1.0) 范围内的随机浮点数
uniform(a, b)	生成一个位于 [a, b) 范围内的随机浮点数
gauss(mu, sigma)	生成一个符合高斯分布的随机浮点数，均值为 mu，标准差为 sigma
sample(population, k)	从 population 序列中随机选择 k 个元素，不重复
choice(sequence)	从序列中随机选择一个元素
shuffle(sequence)	随机打乱序列中的元素顺序
seed(a=None)	初始化随机数生成器的种子，用于重现随机序列

下面是这些函数的更详细介绍及示例。

randint()

此函数生成指定范围之间的整数。它接受两个参数 x x x 和 y y y 并生成整数 i i i，使得 x < = i < = y x <= i <= y x<=i<=y。

import random

a = random.randint(3, 6)
print(a)	# 输出：3

randrange()

该函数生成一个以 step 为步长的整数序列中的随机元素。start 和 stop 是范围，取值范围是 [start, stop)。若省略 step 参数，默认为 1。

import random

a = random.randrange(1, 10, 2)
print(a)	# 输出：7

random()

该函数生成一个位于 [0.0, 1.0) 范围内的随机浮点数。所有数字在这个范围内的概率是相等的。

import random

a = random.random()
print(a)	# 输出：0.6427979778735594

uniform()

该函数生成一个位于 [a, b) 范围内的随机浮点数。类似于random()，但可以指定范围。

import random

a = random.uniform(3, 6)
print(a)	# 输出：3.512451152441262

gauss(mu, sigma)

该函数生成一个符合高斯分布（也称为正态分布）的随机浮点数。mu 是均值，sigma 是标准差，控制分布的形状。

import random

a = random.gauss(3, 0.5)
print(a)	# 输出：2.9743970359818612

sample()

如果想要一个序列中的多个随机元素，可以使用 sample()。它需要两个参数 population 和 k，其中 population 是一个序列，k 是一个整数。然后，该函数从 population 序列中随机选择 k 个元素，并以列表形式返回。选择不重复。

import random

seq = (12, 33, 67, 55, 78, 90, 34, 67, 88)
a = random.sample(seq, 5)
print(a)	# 输出：[88, 78, 67, 34, 33]

choice(sequence)

如果要从特定序列中选择随机元素，可以使用此函数。它需要一个参数------sequence。它从序列中返回一个随机元素。

import random

seq = (12, 33, 67, 55, 78, 90, 34, 67, 88)
a = random.choice(seq)
print(a)	# 输出：88

注意：random.choice(seq) 不等同于 random.sample(seq, 1)，前者返回元素，后者返回列表。

shuffle(sequence)

此函数采用一个参数 ------ 列表。然后，它会将列表的元素打乱并返回。

import random

a = [10, 20, 30, 40, 50]
random.shuffle(a)
print(a)	# 输出：[30, 10, 20, 40, 50]

seed(a=None)

当需要多次生成相同的随机数序列时，可以使用此函数。它需要一个参数 ------ 种子值。此值初始化伪随机数生成器。每当使用相同的种子值调用 seed() 函数时，它都会产生完全相同的随机数序列，这对于需要重现随机结果的情况很有用。

import random
# seed value = 3
random.seed(3)
for i in range(3):
    print(random.random(), end = ' ')

print('\n')

# seed value = 8
random.seed(8)
for i in range(3):
    print(random.random(), end = ' ')

print('\n')

# seed value again = 3
random.seed(3)
for i in range(3):
    print(random.random(), end = ' ')

print('\n')

输出：

0.23796462709189137 0.5442292252959519 0.36995516654807925

0.2267058593810488 0.9622950358343828 0.12633089865085956

0.23796462709189137 0.5442292252959519 0.36995516654807925

可以看出，对于种子 = 3，每次都会生成相同的序列。