# 用 Python 标准库处理随机：`random`（选择、采样、洗牌、可复现性）

> **系列 04 – 随机数生成与数据随机化**

“随便挑一个”， “打乱顺序”， “不重复地挑几个”， “给不同概率的选项分配权重”。
这些功能在游戏、测试数据生成、简单仿真、数据拆分等场景中经常出现。

![魔法师的赌场把戏](/media/editor_temp/6/d231fe37-ba66-4222-bca7-4d3dd8e33399.png)

Python 标准库中的 `random` 模块可以用简短代码完成这些需求。
但需要注意的是，`random` 并不适合安全用途。

---

## 1. `random` 产生的“随机”到底是什么？ {#sec-455748bb14be}

`random` 生成的是**伪随机数（PRNG）**。它不是完全不可预测的真随机数，而是基于内部状态生成“看似随机”的数列。

* 同一初始状态（种子）会得到相同的结果。
* 这使得调试和实验复现变得容易。
* 但在攻击者可以推断其内部状态的安全场景中并不合适（后面会介绍 `secrets`）。

---

## 2. 基础随机数：数值生成 {#sec-d5b02eb13283}

### 2.1 0 ≤ x < 1 的浮点数：`random()` {#sec-0219f1479073}

```python
import random

x = random.random()
print(x)  # 0.0 <= x < 1.0
```

### 2.2 整数范围：`randint(a, b)` / `randrange()` {#sec-db1bdddd505e}

```python
import random

print(random.randint(1, 6))   # 1~6（两端都包含）
print(random.randrange(0, 10, 2))  # 0,2,4,6,8 中的一个
```

* `randint(a, b)` 包含 a 与 b。
* `randrange(start, stop, step)` 与 range 规则相同（stop 不包含）。

### 2.3 浮点数范围：`uniform(a, b)` {#sec-b2ac63ac3cef}

```python
import random

print(random.uniform(1.5, 3.5))
```

---

## 3. 在集合中挑选：选择、采样、洗牌 {#sec-8b4cde32f256}

### 3.1 随机挑一个：`choice()` {#sec-deb7c9f088ca}

```python
import random

items = ["rock", "paper", "scissors"]
print(random.choice(items))
```

### 3.2 随机挑多个（不重复）：`sample()` {#sec-3f22607831e5}

```python
import random

nums = list(range(1, 46))
picked = random.sample(nums, k=6)  # 不重复地挑 6 个
print(picked)
```

* `sample()` **不修改原始列表**。
* 结果 **不重复**。

### 3.3 列表洗牌：`shuffle()`（原地修改） {#sec-ccdf58c09400}

```python
import random

deck = list(range(10))
random.shuffle(deck)
print(deck)
```

* `shuffle()` 直接 **原地** 修改列表。
* 若想保留原始列表，可用 `sample()` 生成一个打乱后的副本。

```python
import random

deck = list(range(10))
shuffled = random.sample(deck, k=len(deck))
print(deck)
print(shuffled)
```

---

## 4. 根据不同权重进行概率选择：`choices()` {#sec-aa8997456e04}

当你想实现“常见、稀有、传奇”之类的选择时非常有用。

```python
import random

items = ["common", "rare", "legendary"]
weights = [85, 14, 1]  # 也可以直接使用 0~1 的概率

result = random.choices(items, weights=weights, k=10)
print(result)
```

* `choices()` 默认 **允许重复**。
* `weights` 可以是概率（0~1）或比例。

---

## 5. 结果的可复现性：`seed()` {#sec-bc5ab726676b}

给定相同的种子，结果会完全一致，尤其在示例或测试中非常实用。

```python
import random

random.seed(42)
print(random.randint(1, 100))
print(random.randint(1, 100))
```

即使调用了多种函数，只要其调用顺序保持一致，结果也会相同。

> 提示：`seed()` 影响全局状态。若不想干扰全局，可单独创建 `random.Random()` 实例。

---

## 6. 本地随机数生成器：`random.Random()` {#sec-1834e1c42abe}

不想改动全局状态时，可以使用本地 RNG。

```python
import random

rng = random.Random(42)  # 本地 RNG
print(rng.randint(1, 100))
print(rng.randint(1, 100))
```

此模式在库代码或多个模块共享随机数时尤为有用。

---

## 7. 安全随机数：使用 `secrets` 而非 `random` {#sec-362a8ba26346}

`random` 是伪随机，存在可预测性。对于令牌、验证码、密码重置链接等安全用途，推荐使用 `secrets`。

```python
import secrets

token = secrets.token_urlsafe(16)
print(token)
```

* `secrets` 采用系统安全随机源。

---

## 8. 常用模式示例 {#sec-5f6bd9bdf408}

### 8.1 从数据中随机挑选一个或多个元素 {#sec-366d7b6c1b6f}

```python
import random

users = ["u1", "u2", "u3", "u4", "u5"]
print(random.choice(users))        # 1 人
print(random.sample(users, k=2))   # 2 人（不重复）
```

### 8.2 随机打乱后获取前部元素 {#sec-8d04aefaf202}

```python
import random

data = list(range(100))
random.shuffle(data)
train = data[:80]
test = data[80:]
```

### 8.3 简单的“加权轮盘” {#sec-d3ba1df51400}

```python
import random

prizes = ["A", "B", "C", "D"]
weights = [1, 3, 10, 86]  # D 最常出现
print(random.choices(prizes, weights=weights, k=1)[0])
```

---

## 9. 小结 {#sec-ecbe78d7ffd8}

`random` 是一个通过简洁的 API 满足“随机选择”这一广泛需求的模块。

* 单个挑选：`choice`
* 不重复挑选：`sample`
* 列表洗牌：`shuffle`
* 加权挑选：`choices`
* 可复现：`seed` 或 `random.Random()`
* 安全随机：`secrets`

下一期将继续探讨 `statistics`、`math` 等数值处理的标准库。

---

**相关文章：**

- [[Python 标准库 - 0] 什么是 Python 标准库？面向初学者的指南](/ko/whitedec/2026/1/29/python-standard-library/)
- [[Python 标准库 -1] 文件系统 & OS 环境掌握：pathlib vs os](/ko/whitedec/2026/1/29/file-system-os-environment-master-pathlib-vs-os/)
- [[Python 标准库 - 2] 数据存储 & 序列化：json, pickle, csv](/ko/whitedec/2026/1/30/python-json-pickle-csv/)
- [[Python 标准库 - 3] 用 Python 处理时间：datetime](/ko/whitedec/2026/1/30/python-datetime-complete-guide/)