Python random 模块使用指南：从入门到精通

作者：书到用时方恨少！

发布日期：2026年3月28日

阅读时长：约15分钟

---

📌 前言

大家好，今天跟大家分享的是random模块，在Python 的众多内置模块中，random 是一个非常实用但又容易被低估的工具。它提供了生成伪随机数的各种方法，广泛应用于游戏开发 、数据模拟 、机器学习数据划分 、抽奖系统等领域。

无论你是刚接触 Python 的新手，还是希望深入理解其特性的开发者，这篇博客都将带你全面掌握 random 模块。我们将从基础用法讲起，逐步深入到高级技巧，并通过大量代码示例帮助你巩固理解。

---

1. 📦 random 模块简介

random 模块是 Python 标准库的一部分，因此无需额外安装，直接导入即可使用：

import random

它基于 梅森旋转算法（Mersenne Twister） 生成伪随机数。所谓"伪随机"，是指生成的数字序列看起来是随机的，但实际上是确定性的------只要给定相同的种子（seed），每次运行都会得到相同的序列。这在调试 和实验复现中非常有用。

---

2. 🔢 基本随机数生成

🎲 random.random()

返回 [0.0, 1.0) 范围内的随机浮点数，即包含 0.0，但不包含 1.0。

import random

print(random.random())   # 示例输出: 0.37444887175646646
print(random.random())   # 示例输出: 0.9507143064099162

这是所有随机数生成中最基础的函数，其他许多函数都可以基于它实现。

📏 random.uniform(a, b)

返回 [a, b] 或 [a, b) 范围内的随机浮点数（取决于边界舍入），通常用于生成指定区间的随机浮点数。

print(random.uniform(1, 10))   # 示例输出: 5.239548159328467
print(random.uniform(5, 5))    # 始终返回 5.0

注意 ：当 a ≤ b 时，结果在 [a, b] 内；当 a > b 时，自动处理为 [b, a]。

---

3. 🎯 随机整数生成

🔢 random.randint(a, b)

返回 [a, b] 范围内的随机整数，包含两端。

print(random.randint(1, 10))   # 可能是 1 到 10 中的任意整数

🧮 random.randrange(start, stop[, step])

与 range() 的用法类似，返回从 start 到 stop（不包含 stop）之间按 step 步长选取的随机整数。

print(random.randrange(10))       # 0 到 9 之间的整数
print(random.randrange(1, 10))    # 1 到 9 之间的整数
print(random.randrange(0, 100, 5))# 0,5,10,...,95 中的随机一个

提示 ：randint(a, b) 实际上等价于 randrange(a, b+1)。

---

4. 🃏 序列相关随机操作

随机模块在序列（列表、元组、字符串等）上的操作非常实用。

🎲 random.choice(seq)

从非空序列中随机选择一个元素。

colors = ['red', 'blue', 'green', 'yellow']
print(random.choice(colors))   # 每次随机一种颜色

🔁 random.choices(population, weights=None, cum_weights=None, k=1)

从序列中随机选择 k 个元素（允许重复），并可以指定权重。

# 等概率抽取 3 个元素（可能重复）
print(random.choices(colors, k=3))

# 带权重的抽取
weights = [10, 1, 1, 1]  # red 被选中的概率是 10/13
print(random.choices(colors, weights=weights, k=5))

如果使用 cum_weights（累计权重），可以避免重复计算。

📌 random.sample(population, k)

从序列中随机选择 k 个不重复的元素 ，返回一个新列表。当 k 大于序列长度时会报错。

print(random.sample(colors, 2))   # 随机抽取两种颜色，不重复

sample 还可以用于洗牌后的选区，且不会修改原序列。

🔀 random.shuffle(x)

就地打乱 一个可变序列（如列表）。注意：该方法返回 None，直接修改原列表。

cards = list(range(1, 11))
random.shuffle(cards)
print(cards)   # 顺序被打乱

---

5. 📊 其他分布函数

除了均匀分布，random 模块还提供了几种常见概率分布的生成函数，适合科学计算 和模拟。

📈 正态分布（高斯分布）

random.gauss(mu, sigma) 或 random.normalvariate(mu, sigma)

• mu：均值
• sigma：标准差

# 生成一个均值为 0，标准差为 1 的正态分布随机数
print(random.gauss(0, 1))

normalvariate 的算法略有不同，但用法一致。

📉 其他分布

• random.betavariate(alpha, beta)：Beta 分布
• random.expovariate(lambd)：指数分布
• random.gammavariate(alpha, beta)：Gamma 分布
• random.lognormvariate(mu, sigma)：对数正态分布
• random.paretovariate(alpha)：帕累托分布
• random.triangular(low, high, mode)：三角分布
• random.vonmisesvariate(mu, kappa)：冯·米塞斯分布
• random.weibullvariate(alpha, beta)：威布尔分布

这些函数在概率统计模拟中非常有用。

---

6. 🌱 种子与可复现性

因为 random 模块生成的是伪随机数 ，我们可以通过设置种子（seed）来使得每次运行生成的随机序列相同，这在测试 和调试中至关重要。

random.seed(42)          # 设置种子
print(random.random())   # 固定输出: 0.6394267984578837
print(random.randint(1,10)) # 固定输出: 6

random.seed(42)          # 再次设置相同种子
print(random.random())   # 再次得到 0.6394267984578837
print(random.randint(1,10)) # 再次得到 6

如果不设置种子，Python 会根据系统时间自动初始化，因此每次运行结果都不同。

---

7. 🔐 安全随机数

⚠️ 重要 ：random 模块的随机数生成器不适合用于安全敏感的场景 （如密码、令牌生成），因为它是可预测的。如果需要加密安全的随机数，应使用 secrets 模块 （Python 3.6+）或 os.urandom()。

示例（安全随机整数）：

import secrets
secure_token = secrets.token_hex(16)  # 生成 32 位十六进制字符串
print(secure_token)

---

8. 💡 高级技巧与实战案例

🔠 随机打乱字符串

字符串是不可变序列，不能直接 shuffle，但可以转换成列表再操作：

s = "hello"
lst = list(s)
random.shuffle(lst)
shuffled = ''.join(lst)
print(shuffled)   # 如 'lehlo'

⚖️ 带权重的随机抽样（不重复）

如果希望按权重抽取不重复的样本，可以使用 random.choices 结合 set 或循环实现，但效率较低。下面是一个简单实现：

def weighted_sample(population, weights, k):
    """按权重抽取不重复的 k 个元素（要求 k <= len(population)）"""
    if k > len(population):
        raise ValueError("k 不能大于总体数量")
    indices = list(range(len(population)))
    result = []
    for _ in range(k):
        chosen = random.choices(indices, weights=weights)[0]
        result.append(population[chosen])
        # 移除已选中的索引和对应权重，避免重复
        pos = indices.index(chosen)
        del indices[pos]
        del weights[pos]
    return result

注意：每次移除后需重新计算权重，效率较低，但适用于小规模数据。

🔢 随机生成验证码

import random
import string

def generate_captcha(length=6, use_digits=True, use_letters=True):
    pool = ''
    if use_digits:
        pool += string.digits
    if use_letters:
        pool += string.ascii_letters
    if not pool:
        raise ValueError("至少选择一种字符类型")
    return ''.join(random.choices(pool, k=length))

print(generate_captcha(4))        # 如 'aB3c'
print(generate_captcha(6, True, False))  # 纯数字

🎲 模拟掷骰子

def roll_dice(sides=6):
    return random.randint(1, sides)

print(roll_dice())   # 模拟掷一次六面骰子

📊 随机划分数据集（训练/测试）

在机器学习中，常用随机方法划分数据集：

data = list(range(100))   # 假设有 100 个样本
random.shuffle(data)
train_ratio = 0.8
split_point = int(len(data) * train_ratio)
train_set = data[:split_point]
test_set = data[split_point:]
print(len(train_set), len(test_set))

📅 生成随机日期

结合 datetime 模块：

import datetime
import random

start = datetime.date(2020, 1, 1)
end = datetime.date(2025, 12, 31)
delta = end - start
random_days = random.randint(0, delta.days)
random_date = start + datetime.timedelta(days=random_days)
print(random_date)

---

9. ⚙️ 性能与注意事项

• 线程安全 ：在 Python 中，random 模块的全局生成器是线程安全的（因为使用了锁），但如果你在多线程中频繁调用，可能成为瓶颈。此时可以为每个线程创建独立的 Random 实例。

r = random.Random()
r.seed(123)
print(r.random())

• 性能对比 ：random.random() 比 random.uniform() 稍快，因为后者有额外的边界转换。在大量生成时，可考虑使用 numpy.random 提升性能。

---

10. 🎯 总结

通过本文，我们全面学习了 Python random 模块的：

• ✅ 基本随机数生成（random, uniform）
• ✅ 整数生成（randint, randrange）
• ✅ 序列操作（choice, choices, sample, shuffle）
• ✅ 概率分布（正态分布等）
• ✅ 种子控制与可复现性
• ✅ 安全性注意事项
• ✅ 实战案例

random 模块虽小，但功能强大，是 Python 开发者工具箱中不可或缺的一部分。希望你能将这些知识灵活运用于实际项目中。

如果在学习过程中遇到问题，欢迎在评论区留言交流。感谢阅读，我们下篇见！ 🚀