Python3 random() 函数（千字长文）

💡一则或许对你有用的小广告

欢迎加入小哈的星球 ，你将获得：专属的项目实战 / 1v1 提问 / Java 学习路线 / 学习打卡 / 每月赠书 / 社群讨论

• 新项目:《从零手撸：仿小红书（微服务架构）》 正在持续爆肝中，基于 Spring Cloud Alibaba + Spring Boot 3.x + JDK 17...，点击查看项目介绍 ;
• 《从零手撸：前后端分离博客项目（全栈开发）》 2 期已完结，演示链接： http://116.62.199.48/ ;

截止目前， 星球 内专栏累计输出 82w+ 字，讲解图 3441+ 张，还在持续爆肝中.. 后续还会上新更多项目，目标是将 Java 领域典型的项目都整一波，如秒杀系统, 在线商城, IM 即时通讯，权限管理，Spring Cloud Alibaba 微服务等等，已有 2900+ 小伙伴加入学习 ，欢迎点击围观

前言

在编程中，随机性是许多应用场景的核心需求。无论是游戏开发、数据分析、模拟实验，还是密码学，随机数生成都是不可或缺的技术。Python 3 的 random 模块提供了丰富的函数，能够满足从基础到高级的随机数生成需求。本文将从零开始，深入浅出地讲解 random 模块的核心功能，帮助读者掌握其使用方法和底层原理，并通过实际案例理解如何在项目中灵活运用。

1. Python3 random() 函数的基础用法

1.1 生成 0 到 1 的随机浮点数

random() 函数是 random 模块中最基础的函数，它返回一个 0.0 ≤ x < 1.0 的随机浮点数。这个函数如同一个“数字魔盒”，每次调用都会“随机”吐出一个介于 0 和 1 之间的值。

import random  
print(random.random())  # 可能的输出：0.4782346912  

1.2 生成指定范围的随机整数

若需要生成整数，可以使用 randint(a, b) 或 randrange(start, stop[, step])：

• randint(a, b) 返回 a ≤ x ≤ b 的整数，包括端点值。
• randrange() 更灵活，例如 randrange(1, 100, 2) 生成 1 到 99 之间的奇数。

print(random.randint(1, 6))  # 输出可能是 3  

print(random.randrange(0, 100, 2))  # 输出可能是 42  

1.3 生成随机浮点数区间

uniform(a, b) 可以生成 a ≤ x ≤ b 的浮点数，且 a 和 b 可以是浮点数或整数。

print(random.uniform(1.5, 3.5))  # 可能的输出：2.89437  

2. 随机数生成的底层原理与可重复性

2.1 伪随机数的“欺骗性”

计算机生成的随机数实际上是伪随机数，它们由一个确定的算法生成，种子（seed）决定了随机数的序列。这意味着，若种子相同，生成的随机数序列也会完全一致。

2.2 控制随机性：seed() 函数

通过 seed() 函数，可以固定随机数的起点，从而实现结果的可重复性。这对调试和测试非常有用。

random.seed(42)  # 固定种子为 42  
print(random.random())  # 输出始终为 0.639426798457...  

2.3 为什么需要 seed()？

想象种子如同“命运之轮”——一旦转动这个轮子，后续的所有随机事件都遵循固定的轨迹。在游戏开发中，若玩家希望复现某个随机事件，可以通过记录种子来实现。

3. 高级用法与应用场景

3.1 打乱列表：shuffle()

shuffle(list) 可直接修改列表的顺序，模拟“洗牌”过程。

my_list = [1, 2, 3, 4, 5]  
random.shuffle(my_list)  
print(my_list)  # 可能输出：[3, 5, 1, 2, 4]  

3.2 从序列中随机选择

• choice(seq) 从序列中随机选一个元素。
• sample(population, k) 无放回地选取 k 个唯一元素。

letters = ['a', 'b', 'c', 'd']  
print(random.choice(letters))  # 可能输出 'c'  

print(random.sample(range(1, 101), 5))  # 可能输出 [42, 17, 99, 3, 66]  

3.3 特殊分布的随机数生成

random 模块还支持生成符合特定分布的数值，例如：

• triangular(low, high, mode)：生成三角分布的随机数。
• normalvariate(mu, sigma)：生成正态分布的数值。

print(random.normalvariate(0, 1))  # 可能输出：-0.456  

4. 常见问题与解决方案

4.1 为什么每次运行结果不同？

默认情况下，random 模块会使用系统时间作为种子，因此每次运行程序时，种子不同，结果自然不同。若需固定结果，需手动调用 seed()。

4.2 如何避免随机数重复？

若使用 sample() 或 shuffle()，它们会自动处理重复问题。若需生成唯一随机数，可结合集合（set）或自定义逻辑。

4.3 安全性问题：为什么不能用于加密？

伪随机数的生成算法是公开的，种子一旦泄露，所有随机数序列都会暴露。因此，random 模块不适合加密场景，应使用 secrets 模块替代。

5. 实战案例：模拟抽奖系统

5.1 需求

设计一个抽奖程序，从 1000 个用户中随机抽取 5 名一等奖和 20 名二等奖。

5.2 实现步骤

1. 使用 sample() 选出一等奖用户。
2. 从剩余用户中抽取二等奖用户。

import random  

all_users = list(range(1, 1001))  # 用户编号 1-1000  

first_prize = random.sample(all_users, 5)  
remaining_users = list(set(all_users) - set(first_prize))  

second_prize = random.sample(remaining_users, 20)  

print("一等奖中奖者：", first_prize)  
print("二等奖中奖者：", second_prize)  

结论

Python3 random() 函数及其模块提供了从基础到高级的随机数生成能力，是开发者工具箱中的重要工具。通过理解伪随机数的原理、灵活使用 seed() 控制可重复性，并结合实际案例（如抽奖系统），开发者可以高效地解决各类随机性需求。无论是游戏开发、数据分析还是模拟实验，掌握 random 模块将为编程带来更大的创造力与实用性。

如需进一步探索，可查阅官方文档或尝试实现更复杂的随机算法，例如蒙特卡洛模拟或概率分布建模。随机数的世界，远比表面的“随机”更有趣！