## Python `random` 模块核心函数用法指南 `random` 是 Python 内置的标准库，用于生成各种伪随机数。其核心用途包括生成随机数、随机选择序列元素以及随机打乱序列。以下是其核心函数的使用详解及代码示例。 ### 1. 模块导入 使用前必须导入 `random` 模块。 ```python # 标准导入方式 import random ``` 也可使用 `from random import *` 来导入所有函数，但不推荐，因其可能导致命名冲突[ref_1][ref_2]。 ### 2. 常用随机数生成函数 下表列出了最常用的函数及其功能： | 函数 | 功能描述 | 参数 | 返回值 | | :--- | :--- | :--- | :--- | | `random.random()` | 生成一个 [0.0, 1.0) 范围内的随机浮点数。 | 无 | float | | `random.uniform(a, b)` | 生成一个 [a, b]（或 [b, a]）范围内的随机浮点数。 | a (float/int), b (float/int) | float | | `random.randint(a, b)` | 生成一个 [a, b] 范围内的随机整数，包含两端。 | a (int), b (int) | int | | `random.randrange(start, stop[, step])` | 从 `range(start, stop, step)` 中随机选择一个整数。 | start (int), stop (int), step (int) | int | 以下是具体代码示例： ```python import random # 生成 [0.0, 1.0) 的浮点数 num1 = random.random() print(f"random.random() 示例: {num1}") # 例如 0.548813502... # 生成 [5.5, 10.5] 的浮点数 num2 = random.uniform(5.5, 10.5) print(f"random.uniform(5.5, 10.5) 示例: {num2}") # 例如 7.980... # 生成 [1, 10] 的整数 num3 = random.randint(1, 10) print(f"random.randint(1, 10) 示例: {num3}") # 例如 7 # 从 range(0, 10, 2) 即 [0, 2, 4, 6, 8] 中随机选择一个 num4 = random.randrange(0, 10, 2) print(f"random.randrange(0, 10, 2) 示例: {num4}") # 例如 4 ``` ### 3. 随机序列操作函数 这些函数用于处理列表等序列。 | 函数 | 功能描述 | 参数 | 返回值/效果 | | :--- | :--- | :--- | :--- | | `random.choice(seq)` | 从非空序列 `seq` 中随机返回一个元素。 | seq (list, tuple, str) | 序列中的一个元素 | | `random.shuffle(seq)` | 将序列 `seq` 中的元素顺序随机打乱（原地修改）。 | seq (list) | 无 | | `random.sample(population, k)` | 从 `population` 序列或集合中，无重复地随机抽取 `k` 个元素。 | population (sequence or set), k (int) | 新列表 | 以下是具体代码示例： ```python import random my_list = ['A', 'B', 'C', 'D', 'E'] # 随机选择一个元素 chosen = random.choice(my_list) print(f"random.choice() 示例: {chosen}") # 例如 'C'[ref_2][ref_5] # 打乱列表顺序（原地修改） random.shuffle(my_list) print(f"random.shuffle() 示例: {my_list}") # 例如 ['E', 'B', 'D', 'A', 'C'] [ref_5][ref_6] # 从列表中无重复地随机抽取3个元素 sampled = random.sample(my_list, k=3) print(f"random.sample() 示例: {sampled}") # 例如 ['B', 'A', 'E'] [ref_2][ref_5] ``` ### 4. 控制随机性：设置随机种子 为了保证程序可复现（即每次运行都产生相同的“随机”序列），可以使用 `random.seed()` 函数设置种子值[ref_3]。 ```python import random # 设置随机种子，使后续随机操作结果固定 random.seed(42) # 种子值可以是任意整数 print("第一次运行（种子=42）:") print(random.random()) # 固定输出 0.6394267984578837 print(random.randint(1, 100)) # 固定输出 37 # 若想每次运行产生不同序列，可以不设置种子，或使用系统时间（默认行为）。 ``` ### 5. 应用场景示例 结合以上函数，可以解决许多实际问题。例如，创建一个简单的抽奖程序： ```python import random def lottery_draw(participants, num_winners): """ 抽奖程序：从参与者列表中随机抽取指定数量的获奖者。 :param participants: 参与者名单列表 :param num_winners: 要抽取的获奖者数量 :return: 获奖者名单列表 """ if num_winners > len(participants): print("错误：获奖者数量不能超过参与者数量！") return [] # 使用 sample 确保一人不会中奖多次 winners = random.sample(participants, num_winners) return winners # 示例参与者名单 participants = ['张三', '李四', '王五', '赵六', '钱七', '孙八'] winners = lottery_draw(participants, 2) print(f"本次抽奖的获奖者是：{winners}") ``` 另一个例子是生成指定特征的随机数据，比如模拟投掷骰子的结果： ```python import random def roll_dice(num_dice=1): """ 模拟投掷骰子。 :param num_dice: 骰子的数量 :return: 每次投掷的点数列表 """ results = [random.randint(1, 6) for _ in range(num_dice)] return results # 模拟投掷3个骰子 dice_rolls = roll_dice(3) print(f"投掷3个骰子的结果是：{dice_rolls}") print(f"点数和为：{sum(dice_rolls)}") ``` ### 6. 使用 NumPy 生成随机数 对于需要大量或特定分布随机数的科学计算，`numpy.random` 模块功能更强大，性能也更优。以下是简单对比： | 特性 | Python `random` | NumPy `numpy.random` | | :--- | :--- | :--- | | **核心用途** | 通用编程、简单随机化 | 科学计算、大规模数组操作 | | **性能** | 适用于单个数或小列表 | 为生成大型数组高度优化 | | **分布支持** | 基础分布（均匀、整数） | 丰富的分布（正态、泊松等） | | **种子设置** | `random.seed(a)` | `np.random.seed(a)`[ref_3] | 示例：使用 NumPy 生成一个 3x3 的随机整数矩阵。 ```python import numpy as np # 设置种子以保证可复现性 np.random.seed(123) # 设置 NumPy 的随机种子 [ref_3] # 生成一个范围在 [0, 10) 的 3x3 随机整数矩阵 matrix = np.random.randint(0, 10, size=(3, 3)) print(f"使用 NumPy 生成的 3x3 随机矩阵：\n{matrix}") ```