Python random模块详解：从基础使用到高级技巧

1. 引言：为什么需要随机数？

在编程中，随机数扮演着至关重要的角色。无论是模拟现实世界的不确定性（如游戏中的骰子、抽卡），还是用于算法测试（如生成随机数据集）、密码学、机器学习（如权重初始化、数据打乱），甚至是简单的验证码生成，都离不开随机数的支持。

Python 内置的 random 模块为我们提供了生成伪随机数的全套工具。它易于使用，功能强大，是 Python 开发者工具箱中的必备模块。本文将带你从基础到进阶，全面掌握 random 模块的使用。

2. 基础入门：生成简单的随机数

让我们从最基础的几个函数开始，快速上手。

2.1 生成随机浮点数

random.random() 是模块中最基础的函数，它返回一个范围在 [0.0, 1.0) 的随机浮点数（包括 0.0，但不包括 1.0）。

import random

# 生成一个 [0.0, 1.0) 之间的随机浮点数
num = random.random()
print(f"随机浮点数: {num}")  # 例如：0.37444887175646646

2.2 生成指定范围的随机整数

random.randint(a, b) 用于生成一个范围在 [a, b] 的随机整数（包括两端）。

# 模拟掷一个六面骰子
dice_roll = random.randint(1, 6)
print(f"骰子点数: {dice_roll}")  # 例如：4

# 生成一个1到100之间的随机整数
random_number = random.randint(1, 100)
print(f"1到100的随机数: {random_number}")

random.randrange(start, stop[, step]) 则更加灵活，类似于 range() 函数，可以指定步长，且默认不包括 stop 值。

# 生成一个0到9之间的随机整数
num1 = random.randrange(10)
print(num1)  # 例如：7

# 生成一个10到99之间的随机整数（两位随机数）
num2 = random.randrange(10, 100)
print(num2)  # 例如：42

# 生成一个0到100之间的随机偶数
even_num = random.randrange(0, 101, 2)
print(f"随机偶数: {even_num}")  # 例如：56

2.3 生成指定范围的随机浮点数

random.uniform(a, b) 返回一个范围在 [a, b]（或 [b, a]）的随机浮点数。

# 生成一个10.0到20.0之间的随机浮点数
float_num = random.uniform(10.0, 20.0)
print(f"10到20的随机浮点数: {float_num:.2f}")  # 例如：15.73

3. 序列操作：随机选择与打乱

random 模块提供了强大的工具来处理列表、元组等序列。

3.1 随机选择一个元素

random.choice(seq) 从非空序列 seq 中随机返回一个元素。

fruits = ['apple', 'banana', 'orange', 'grape', 'mango']
selected_fruit = random.choice(fruits)
print(f"今天的水果是: {selected_fruit}")  # 例如：orange

# 也可以用于字符串（字符串也是序列）
letter = random.choice('ABCDEFG')
print(f"随机字母: {letter}")  # 例如：D

3.2 随机选择多个不重复元素

random.sample(population, k) 从序列或集合 population 中，随机选择 k 个唯一的元素，返回一个新列表。这常用于抽奖、随机抽样等场景。

participants = ['Alice', 'Bob', 'Charlie', 'David', 'Eve', 'Frank']
winners = random.sample(participants, 3)  # 抽取3名不重复的获奖者
print(f"获奖者是: {winners}")  # 例如：['Charlie', 'Alice', 'Frank']

3.3 随机选择多个元素（允许重复）

random.choices(population, weights=None, *, cum_weights=None, k=1) 从 population 中随机选择 k 个元素，允许重复。它还可以通过 weights 参数指定每个元素的权重，实现加权随机。

# 简单随机选择（允许重复）
coin_flips = random.choices(['Heads', 'Tails'], k=5)
print(f"5次抛硬币: {coin_flips}")  # 例如：['Heads', 'Tails', 'Heads', 'Heads', 'Tails']

# 加权随机选择：抽奖，一等奖概率10%，二等奖30%，三等奖60%
prizes = ['一等奖', '二等奖', '三等奖']
weights = [0.1, 0.3, 0.6]
result = random.choices(prizes, weights=weights, k=10) # 模拟抽10次
print(f"加权抽奖结果: {result}")

3.4 随机打乱序列顺序

random.shuffle(x) 将序列 x 的元素顺序随机打乱，直接修改原序列。常用于洗牌、随机排列题目等。

cards = ['A♠', 'K♠', 'Q♠', 'J♠', '10♠', '9♠']
print(f"洗牌前: {cards}")
random.shuffle(cards)
print(f"洗牌后: {cards}")  # 顺序已被随机打乱

如果想得到一个打乱顺序的新列表而不改变原列表，可以结合 sample 函数：

original_list = [1, 2, 3, 4, 5]
shuffled_list = random.sample(original_list, len(original_list))
print(f"原列表: {original_list}")
print(f"新打乱列表: {shuffled_list}")

4. 高级应用与随机种子

4.1 生成符合特定分布的随机数

除了均匀分布，random 模块还支持其他概率分布。

• 正态分布（高斯分布）：random.gauss(mu, sigma) 或 random.normalvariate(mu, sigma)，其中 mu 是均值，sigma 是标准差。

  # 生成均值为100，标准差为15的正态分布随机数（模拟智商分数）
  iq_score = random.gauss(100, 15)
  print(f"模拟智商分数: {iq_score:.1f}")
  

• 其他分布：模块还提供了 expovariate（指数分布）、betavariate（贝塔分布）等函数，满足更专业的统计模拟需求。

4.2 控制随机性：随机种子

计算机生成的随机数实际上是“伪随机数”，由一个确定的算法根据一个初始值（种子）计算出来。设置相同的种子，就能得到完全相同的随机数序列。这在需要复现结果的场景下非常有用，例如科学实验、机器学习模型调试、游戏关卡生成等。

# 设置随机种子
random.seed(42)

# 第一次运行
print("种子为42时的序列:")
for _ in range(3):
    print(random.randint(1, 10), end=' ')  # 输出：1 2 10

print("\n---")

# 重置相同的种子
random.seed(42)
print("重置相同种子后的序列:")
for _ in range(3):
    print(random.randint(1, 10), end=' ')  # 输出：1 2 10 （与上面完全相同）

如果不设置种子，Python 通常会使用系统时间作为默认种子，从而产生看似不可预测的序列。

5. 实战案例

案例1：生成随机验证码

import random
import string

def generate_captcha(length=6):
    """生成指定长度的数字字母混合验证码"""
    # 定义字符池：数字 + 大写字母 + 小写字母
    characters = string.digits + string.ascii_uppercase + string.ascii_lowercase
    # 从字符池中随机选择 length 个字符
    captcha = ''.join(random.choices(characters, k=length))
    return captcha

print(f"6位验证码: {generate_captcha()}")  # 例如：aB3x9K
print(f"4位数字验证码: {''.join(random.choices(string.digits, k=4))}")  # 例如：3847

案例2：随机分配任务

def assign_tasks(employees, tasks):
    """将任务随机分配给员工，每人至少一项"""
    if len(tasks) < len(employees):
        raise ValueError("任务数量不能少于员工数量")
    
    # 先给每个员工随机分配一项任务
    assignment = {emp: [] for emp in employees}
    remaining_tasks = tasks.copy()
    random.shuffle(remaining_tasks)
    
    for i, emp in enumerate(employees):
        assignment[emp].append(remaining_tasks[i])
    
    # 将剩余任务随机分配给任意员工
    for task in remaining_tasks[len(employees):]:
        lucky_emp = random.choice(employees)
        assignment[lucky_emp].append(task)
    
    return assignment

employees = ['张三', '李四', '王五']
tasks = ['任务A', '任务B', '任务C', '任务D', '任务E']
result = assign_tasks(employees, tasks)
for emp, assigned_tasks in result.items():
    print(f"{emp}: {assigned_tasks}")

6. 安全警告：不要用于密码学

重要提醒：random 模块生成的随机数不适合用于密码学、安全令牌或密钥生成，因为它是可预测的伪随机数。

对于安全敏感的场景，请使用 secrets 模块（Python 3.6+），它专门用于生成密码学安全的随机数。

import secrets

# 生成安全的随机令牌
secure_token = secrets.token_hex(16)  # 生成32个字符的十六进制字符串
print(f"安全令牌: {secure_token}")

# 生成安全的随机整数
secure_int = secrets.randbelow(100)  # [0, 100)
print(f"安全随机数: {secure_int}")

7. 总结

Python 的 random 模块是一个功能全面且易于使用的伪随机数生成器。通过本文，你应已掌握：

1. 基础生成：random(), randint(), uniform()。
2. 序列操作：choice(), sample(), choices(), shuffle()。
3. 高级控制：随机种子 seed() 和特定分布函数。
4. 安全须知：了解其局限性，在需要安全随机数时使用 secrets 模块。

记住，随机性让程序世界变得更加生动和真实。现在，就尝试在你的下一个项目中运用 random 模块吧！