# random 生成的是【伪随机数】，不是真正的随机！# 它是通过数学算法（梅森旋转算法）计算出来的# 只要"种子"相同，生成的序列就完全相同# 真正的随机：放射性衰变、大气噪声（硬件随机数）# 伪随机：算法计算，看起来随机，实际可预测

# 方式1：导入整个模块（推荐）import randomprint(random.randint(1, 10))# 方式2：导入特定函数from random import randint, choice, shuffleprint(randint(1, 10))# 方式3：导入所有（不推荐，容易命名冲突）from random import *

# ❌ random 模块【不适合】用于安全/密码学场景！# 比如：生成密码、验证码、加密密钥、抽奖防作弊# 因为它是伪随机，理论上可以被预测# ✅ 安全场景请用：import secretssecrets.token_hex(16)       # 生成安全随机令牌secrets.randbelow(100)      # 安全随机整数

import random# 种子 = 随机数生成器的"起点"# 相同的种子 → 相同的随机数序列# 不同的种子 → 不同的随机数序列# 不设置种子 → 默认用系统时间（每次运行都不同）print(random.random())  # 每次运行结果不同print(random.random())print(random.random())

import random# 设置种子为 42random.seed(42)print(random.random())  # 0.6394267984578837print(random.random())  # 0.025010755222666936print(random.random())  # 0.27502931836911926# 重新设置相同的种子 → 完全相同的序列！random.seed(42)print(random.random())  # 0.6394267984578837（一模一样！）print(random.random())  # 0.025010755222666936print(random.random())  # 0.27502931836911926

import random# 场景1：调试程序时，让随机结果可复现def train_model(seed=42):    random.seed(seed)    # 训练模型时用到随机初始化...    weights = [random.random() for _ in range(5)]    return weightsprint(train_model(42))  # 每次运行结果相同，方便调试print(train_model(42))  # 和上面一模一样# 场景2：游戏中固定关卡生成random.seed(12345)  # 用关卡编号做种子level = [random.randint(1, 5) for _ in range(10)]print(level)  # 玩家每次进入同一关卡，地形都一样

import random# 生成 [0.0, 1.0) 之间的随机浮点数# 包含 0.0，不包含 1.0print(random.random())  # 例如：0.3745401188473625print(random.random())  # 例如：0.9507143064099162print(random.random())  # 例如：0.7319939418114051# 返回值范围：0.0 <= x < 1.0# 永远不会返回 1.0！

import random# 模拟 30% 概率触发暴击if random.random() < 0.3:    print("💥 暴击！伤害翻倍！")else:    print("普通攻击")# 模拟抽奖（不同概率）def lottery():    r = random.random()    if r < 0.01:       # 1% 概率        return "🏆 特等奖"    elif r < 0.05:     # 4% 概率        return "🥇 一等奖"    elif r < 0.15:     # 10% 概率        return "🥈 二等奖"    elif r < 0.40:     # 25% 概率        return "🥉 三等奖"    else:              # 60% 概率        return "谢谢参与"# 测试 10000 次from collections import Counterresults = Counter(lottery() for _ in range(10000))for prize, count in sorted(results.items()):    print(f"  {prize}: {count} 次 ({count/100:.1f}%)")

import random# 生成 [a, b] 之间的随机浮点数（两端都包含）print(random.uniform(1, 10))    # 例如：6.783214...print(random.uniform(0, 1))     # 例如：0.234567...print(random.uniform(-5, 5))    # 例如：-2.345678...# 注意：uniform 和 random 的区别# random()        → [0.0, 1.0)   不含右端# uniform(a, b)   → [a, b]       包含两端# 实际应用：模拟温度temperature = random.uniform(35.5, 40.0)print(f"当前体温：{temperature:.1f}℃")  # 当前体温：37.2℃# 实际应用：模拟坐标x = random.uniform(-100, 100)y = random.uniform(-100, 100)print(f"随机坐标：({x:.2f}, {y:.2f})")

import random# 生成 [a, b] 之间的随机整数（两端都包含！）print(random.randint(1, 6))     # 模拟骰子：1~6print(random.randint(1, 10))    # 1~10print(random.randint(0, 1))     # 模拟硬币：0 或 1print(random.randint(-10, 10))  # -10 到 10# ⚠️ 注意：randint 两端都包含！# randint(1, 6) 可能返回 1，也可能返回 6

import random# 模拟掷骰子def roll_dice(n=1):    """掷 n 个六面骰子"""    return [random.randint(1, 6) for _ in range(n)]print(roll_dice())      # [4]print(roll_dice(2))     # [3, 6]print(roll_dice(3))     # [1, 5, 2]# 模拟猜数字游戏secret = random.randint(1, 100)print(f"秘密数字在 1~100 之间")# 随机选择列表索引fruits = ["苹果", "香蕉", "橙子", "葡萄", "西瓜"]idx = random.randint(0, len(fruits) - 1)print(f"随机水果：{fruits[idx]}")

import random# 从 range(start, stop, step) 中随机选一个# 注意：stop 不包含！（和 range 一样）# 1~9 之间的随机奇数print(random.randrange(1, 10, 2))    # 1, 3, 5, 7, 9 中的一个# 0~100 之间的随机偶数print(random.randrange(0, 101, 2))   # 0, 2, 4, ..., 100 中的一个# 0~9 之间的随机整数（等价于 randint(0, 9)）print(random.randrange(10))# 对比 randint 和 randrangeprint(random.randint(1, 6))      # [1, 6] 两端都包含print(random.randrange(1, 7))    # [1, 7) = [1, 6] 不含右端# 效果一样，但 randrange 更灵活（支持步长）

import random# 生成一个 k 位的随机整数# 范围：[0, 2^k - 1]print(random.getrandbits(1))    # 0 或 1print(random.getrandbits(3))    # 0~7（3位二进制：000~111）print(random.getrandbits(8))    # 0~255（一个字节）print(random.getrandbits(16))   # 0~65535# 实际应用：快速生成随机布尔值random_bool = bool(random.getrandbits(1))print(random_bool)  # True 或 False# 实际应用：生成随机颜色（RGB）r = random.getrandbits(8)g = random.getrandbits(8)b = random.getrandbits(8)print(f"随机颜色：rgb({r}, {g}, {b})")  # rgb(142, 37, 201)

┌─────────────────┬──────────────┬──────────────┬──────────┐│     方法         │    范围       │    步长       │  返回类型  │├─────────────────┼──────────────┼──────────────┼──────────┤│ randint(a, b)   │ [a, b]       │ 固定为1       │ int      ││ randrange(a,b,s)│ [a, b)       │ 可自定义      │ int      ││ getrandbits(k)  │ [0, 2^k - 1] │ 固定为1       │ int      │└─────────────────┴──────────────┴──────────────┴──────────┘

import random# 从非空序列中随机选择一个元素# 从列表中随机选择fruits = ["苹果", "香蕉", "橙子", "葡萄"]print(random.choice(fruits))  # 例如："橙子"# 从字符串中随机选一个字符print(random.choice("Hello"))  # 例如："l"# 从元组中随机选择colors = ("红", "蓝", "绿", "黄")print(random.choice(colors))   # 例如："蓝"# 实际应用：随机决定今天吃什么meals = ["火锅", "烧烤", "麻辣烫", "盖浇饭", "面条", "饺子"]print(f"今天吃：{random.choice(meals)}")# 实际应用：石头剪刀布options = ["石头", "剪刀", "布"]player = "石头"computer = random.choice(options)print(f"你出了{player}，电脑出了{computer}")

import random# 随机选 k 个元素（可能重复！因为有放回）fruits = ["苹果", "香蕉", "橙子"]# 选 5 个（可能有重复）print(random.choices(fruits, k=5))# 例如：['苹果', '橙子', '苹果', '香蕉', '苹果']# 带权重选择（重要！）# weights 参数控制每个元素被选中的概率print(random.choices(    ["一等奖", "二等奖", "三等奖", "谢谢参与"],    weights=[1, 5, 20, 74],  # 权重比例    k=10))# 一等奖很少出现，谢谢参与最多# 实际应用：模拟有偏硬币（正面 60%，反面 40%）flips = random.choices(["正面", "反面"], weights=[60, 40], k=1000)from collections import Counterprint(Counter(flips))# Counter({'正面': 598, '反面': 402})

import random# 从序列中随机选 k 个【不重复】的元素# 原序列不会被修改！numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]# 随机抽 3 个不重复的print(random.sample(numbers, 3))  # 例如：[7, 2, 9]# 原列表不变print(numbers)  # [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]# ⚠️ k 不能大于序列长度# random.sample([1, 2, 3], 5)  # ❌ ValueError# 实际应用：抽奖（每人最多中一次）participants = ["Alice", "Bob", "Charlie", "Diana", "Eve", "Frank"]winners = random.sample(participants, 3)print(f"中奖者：{winners}")  # ['Diana', 'Alice', 'Frank']# 实际应用：从 range 中高效抽样（不需要创建完整列表）# 从 0~9999999 中抽 60 个号码lottery = random.sample(range(10000000), 6)print(f"彩票号码：{sorted(lottery)}")# 实际应用：随机打乱字符串word = "HelloWorld"shuffled = ''.join(random.sample(word, len(word)))print(shuffled)  # 例如："lrloWleHdo"

import random# 将列表【原地】随机打乱顺序# ⚠️ 没有返回值！直接修改原列表cards = ["A♠", "K♥", "Q♦", "J♣", "10♠"]print(f"打乱前：{cards}")random.shuffle(cards)print(f"打乱后：{cards}")  # 例如：['Q♦', 'A♠', '10♠', 'J♣', 'K♥']# ⚠️ 常见错误：# new_cards = random.shuffle(cards)  # ❌ new_cards 是 None！# 正确做法：cards = ["A♠", "K♥", "Q♦", "J♣"]random.shuffle(cards)new_cards = cards  # 或者先 copy 再 shuffle# 如果不想修改原列表：original = [1, 2, 3, 4, 5]shuffled = original.copy()random.shuffle(shuffled)print(original)   # [1, 2, 3, 4, 5]（不变）print(shuffled)   # [3, 1, 5, 2, 4]（打乱了）# 实际应用：洗牌deck = [f"{rank}{suit}"         for suit in "♠♥♦♣"         for rank in "A23456789JQK"]random.shuffle(deck)print(f"洗牌后前5张：{deck[:5]}")# 实际应用：随机排列题目questions = ["Python是什么？", "列表和元组的区别？", "什么是装饰器？"]random.shuffle(questions)for i, q in enumerate(questions, 1):    print(f"第{i}题：{q}")

┌──────────────────┬────────────┬──────────────┬──────────────┐│      方法         │   选择数量   │   是否重复    │  修改原序列   │├──────────────────┼────────────┼──────────────┼──────────────┤│ choice(seq)      │ 1个        │ -            │ ❌ 不修改     ││ choices(seq, k)  │ k个        │ ✅ 可能重复   │ ❌ 不修改     ││ sample(seq, k)   │ k个        │ ❌ 不重复     │ ❌ 不修改     ││ shuffle(list)    │ 全部        │ -            │ ✅ 原地修改   │└──────────────────┴────────────┴──────────────┴──────────────┘

import random# 生成符合正态分布（高斯分布）的随机浮点数# mu = 均值（中心位置）# sigma = 标准差（分散程度）# 模拟人类身高（均值170cm，标准差10cm）heights = [random.gauss(170, 10) for _ in range(1000)]avg = sum(heights) / len(heights)print(f"平均身高：{avg:.1f}cm")  # 接近 170# 大部分值集中在均值附近# 68% 的值在 [160, 180] 之间（±1σ）# 95% 的值在 [150, 190] 之间（±2σ）# 可视化（简易版）from collections import Counterbuckets = Counter(int(h // 5) * 5 for h in heights)for key in sorted(buckets):    bar = "█" * (buckets[key] // 5)    print(f"{key:>3}cm: {bar}")

import random# ============ uniform(a, b)：均匀分布 ============# 前面已讲，[a, b] 之间等概率# ============ expovariate(lambd)：指数分布 ============# 模拟等待时间、到达间隔# 平均到达间隔 5 秒arrival = random.expovariate(1.0 / 5.0)print(f"下一个顾客到达时间：{arrival:.2f}秒后")# ============ triangular(low, high, mode)：三角分布 ============# 有最可能值（众数）# 模拟项目工期：最少3天，最多10天，最可能5天duration = random.triangular(3, 10, 5)print(f"预计工期：{duration:.1f}天")# ============ betavariate(alpha, beta)：Beta分布 ============# 范围 [0, 1]，适合模拟概率/比例p = random.betavariate(2, 5)print(f"转化率：{p:.4f}")

┌─────────────────────┬──────────────────────────────────┐│       函数           │          用途                     │├─────────────────────┼──────────────────────────────────┤│ random()            │ [0,1) 均匀分布                    ││ uniform(a, b)       │ [a,b] 均匀分布                    ││ randint(a, b)       │ [a,b] 均匀整数                    ││ gauss(mu, sigma)    │ 正态分布（身高、误差等）           ││ expovariate(lambd)  │ 指数分布（等待时间、到达间隔）     ││ triangular(l,h,m)   │ 三角分布（有最可能值）            ││ betavariate(a, b)   │ Beta分布（概率/比例）             │└─────────────────────┴──────────────────────────────────┘

import random# 保存当前的随机数生成器状态state = random.getstate()# 生成一些随机数print(random.random())  # 0.6394267984578837print(random.random())  # 0.025010755222666936# 恢复到之前保存的状态random.setstate(state)# 再次生成随机数 → 结果完全相同！print(random.random())  # 0.6394267984578837print(random.random())  # 0.025010755222666936# 实际应用：游戏中的"存档/读档"# 玩家死亡后，可以恢复到之前的随机状态，重新生成相同的关卡

import random# seed：重置到某个已知的起点random.seed(42)state1 = random.getstate()# getstate/setstate：保存/恢复到任意时刻的状态random.random()random.random()state2 = random.getstate()  # 保存当前位置random.random()random.random()random.setstate(state2)  # 回到 state2 的位置# 之后的随机数和之前从 state2 开始生成的完全一致

import randomimport stringdef generate_password(length=12, use_upper=True, use_digits=True, use_special=True):    """生成随机密码"""    chars = string.ascii_lowercase  # a-z    if use_upper:        chars += string.ascii_uppercase  # A-Z    if use_digits:        chars += string.digits  # 0-9    if use_special:        chars += "!@#%^&*"))    # 剩余位数随机填充    remaining = length - len(password)    password.extend(random.choices(chars, k=remaining))    # 打乱顺序    random.shuffle(password)    return ''.join(password)print(generate_password())       # 例如：kT3$mN8xPq2!print(generate_password(16))     # 16位密码print(generate_password(8, use_special=False))  # 不含特殊字符

import randomdef roll_dice():    """掷两个骰子"""    d1 = random.randint(1, 6)    d2 = random.randint(1, 6)    return d1, d2, d1 + d2def play_craps():    """简化版掷骰子游戏"""    d1, d2, total = roll_dice()    print(f"🎲 掷出了 {d1} + {d2} = {total}")    if total in (7, 11):        print("🎉 你赢了！")    elif total in (2, 3, 12):        print("💀 你输了！")    else:        print(f"点数是 {total}，继续掷...")        while True:            d1, d2, total = roll_dice()            print(f"🎲 掷出了 {d1} + {d2} = {total}")            if total == 7:                print("💀 掷出7，你输了！")                break            elif total == 4:  # 假设目标点是4                print("🎉 掷出目标点，你赢了！")                breakplay_craps()

import randomimport stringdef generate_captcha(length=4):    """生成随机验证码（字母+数字）"""    chars = string.ascii_uppercase + string.digits    code = ''.join(random.choices(chars, k=length))    return codeprint(generate_captcha())    # 例如：A7K2print(generate_captcha(6))   # 例如：X9M3P1

import randomdef estimate_pi(num_samples=100000):    """用蒙特卡洛方法估算 π"""    inside_circle = 0    for _ in range(num_samples):        x = random.uniform(-1, 1)        y = random.uniform(-1, 1)        # 判断点是否在单位圆内        if x*x + y*y <= 1:            inside_circle += 1    # 圆的面积 / 正方形面积 = π/4    pi_estimate = 4 * inside_circle / num_samples    return pi_estimateprint(f"样本数: 100000")print(f"估算的 π: {estimate_pi()}")print(f"真实的 π: 3.141592653589793")# 样本越多，结果越接近真实值！

┌──────────────────────┬────────────────────────────────────┐│        方法           │            用途                     │├──────────────────────┼────────────────────────────────────┤│ random()             │ [0.0, 1.0) 随机浮点数              ││ uniform(a, b)        │ [a, b] 随机浮点数                  ││ randint(a, b)        │ [a, b] 随机整数（含两端）           ││ randrange(a, b, s)   │ [a, b) 随机整数（可设步长）         ││ choice(seq)          │ 从序列随机选1个                     ││ choices(seq, k)      │ 有放回选k个（可带权重）             ││ sample(seq, k)       │ 无放回选k个（不重复）               ││ shuffle(list)        │ 原地打乱列表                        ││ gauss(mu, sigma)     │ 正态分布随机数                      ││ seed(n)              │ 设置随机种子                        ││ getstate/setstate    │ 保存/恢复随机状态                   │└──────────────────────┴────────────────────────────────────┘

import random# ❌ 错误1：shuffle 没有返回值result = random.shuffle([1, 2, 3])  # result 是 None！# ✅ 正确：lst = [1, 2, 3]random.shuffle(lst)result = lst# ❌ 错误2：sample 的 k 超过序列长度random.sample([1, 2, 3], 5)  # ValueError!# ✅ 正确：先检查长度if k <= len(seq):    result = random.sample(seq, k)# ❌ 错误3：用 random 生成密码password = ''.join(random.choices(string.ascii_letters, k=16))  # 不安全！# ✅ 正确：用 secretsimport secretspassword = ''.join(secrets.choice(string.ascii_letters) for _ in range(16))# ❌ 错误4：忘记设置种子导致结果不可复现# 在机器学习、模拟等场景中，记得设置种子！random.seed(42)

需要1个随机元素？        → choice()需要多个，允许重复？      → choices()需要多个，不允许重复？    → sample()需要打乱顺序？           → shuffle()需要随机整数？           → randint() 或 randrange()需要随机浮点数？         → random() 或 uniform()需要正态分布？           → gauss()需要安全随机（密码等）？  → secrets 模块！