### Python 中的标准随机数生成器模块 Python 的标准库中提供了 `random` 模块作为其标准随机数生成器模块[^3]。该模块基于伪随机数生成算法，通常采用梅森旋转（Mersenne Twister）算法来实现高效的随机数生成[^1]。 #### 功能概述 以下是 `random` 模块的一些主要功能及其对应的函数： 1. **生成浮点数** - 使用 `random.random()` 可以生成一个介于 `[0.0, 1.0)` 范围内的随机浮点数[^3]。 2. **生成指定范围的浮点数** - 函数 `random.uniform(a, b)` 用于生成一个在区间 `[a, b]` 或 `(a, b)` 内均匀分布的随机浮点数[^3]。 3. **生成整数** - 函数 `random.randint(a, b)` 返回一个包含上下界在内的随机整数 \( n \)，满足条件 \( a \leq n \leq b \)[^3]。 - 如果需要更灵活地控制步长，则可以使用 `random.randrange(start, stop[, step])` 来模拟类似切片的功能。 4. **从序列中选取元素** - 方法 `random.choice(seq)` 将会从未空序列 seq 中随机挑选单个元素并返回它。 - 若要获取多个不重复项组成的列表，可调用 `random.sample(population, k)` ，这里 population 是总体集合而 k 表示抽样数量。 5. **打乱顺序** - 对现有列表进行就地洗牌操作可以通过 `random.shuffle(x)` 实现；注意这不会创建副本而是直接改变原始数据结构[^3]。 6. **初始化种子值** - 开发者能够通过设置特定初始状态即所谓的“种子”，使得每次运行程序得到相同的结果以便调试或者重现实验过程。这是借助 `random.seed([a])` 完成的任务，其中参数 'a' 若未提供则默认利用当前时间戳或其他系统级熵源设定初始态[^4]。 7. **支持大位宽整型** - 特殊情况下如果需求超出了常规内置类型的表示能力，那么还可以依靠 `getrandbits(k)` 获取具有精确宽度为k比特长度的一个long integer对象[^2]。 下面给出一段简单的演示代码片段展示如何运用这些特性： ```python import random # 测试各种方法 print(random.random()) # 输出一个小于1大于等于零的小数值 print(random.uniform(100, 20)) # 错误示范因为起始值应小于终止值 print(random.uniform(20, 100)) # 正确做法打印处于二十至一百之间的实数 print(random.randint(20, 100)) # 展示获得闭区间的某个正整数实例 print(random.randrange(20, 100, 2)) # 显示奇偶交替模式下的选定点例子 print(random.choice(range(20, 100, 2))) # 抽取符合条件之一成员呈现出来 lst = [i for i in range(1, 10)] random.shuffle(lst) # 扰动数组排列方式但保持原址不变 print(lst) print(random.sample([j*j for j in lst], 4)) # 提供平方后的子集采样子集 ```