Python random 模块：随机数生成的 6 个核心方法

引言：用"抽奖箱"理解随机数

生活里到处都有"随机"：掷骰子、抽奖、洗牌、生成验证码、给试卷随机出题……程序世界同样需要这些能力。Python 把它们打包进一个标准库模块——random，你不需要安装任何东西，导入即可使用。

先建立一个直观印象：可以把 random 模块想象成一台"会抽签的机器"，里面有好几个不同的出口：

有的出口专门吐小数（random()、uniform()）；
有的出口专门吐整数（randint()）；
有的出口负责从一堆东西里挑一个或几个（choice()、sample()）；
还有一个出口负责把牌洗乱（shuffle()）。

这一篇，我们就把这 6 个最常用的方法逐个讲透：每个方法的语法、参数、返回值、典型场景，再配上能直接运行的实战案例，最后用一张表帮你"遇到需求时对号入座"。

一、导入模块与随机数种子 `seed()`

1.1 导入 random 模块

random 是 Python 自带的标准库，无需安装，在代码开头导入即可：

python

import random   # 导入 random 模块，之后用 random.xxx() 调用里面的函数

之后所有随机函数都以 random. 作为前缀，例如 random.random()、random.randint(1, 6)。

1.2 种子 `seed()`：让随机数"可复现"

在讲 6 个方法之前，必须先认识一个"幕后主角"——随机数种子。

一个关键真相：计算机其实生成不出真正的随机数。它内部靠一套固定的数学公式来"算"出看似随机的数字。这套公式有一个起点，这个起点就叫种子（seed）。只要种子相同，算出来的随机数序列就完全相同——这就是随机数的"可复现性"。

打个比方：种子就像"一盒磁带"——你按下播放键，听到的歌曲顺序永远一样；换成另一盒磁带，顺序才不同。

不设置种子：Python 会用当前系统时间等作为种子，所以每次运行结果通常不同（真·随机体验）；
手动设置种子：random.seed(任意整数)，之后产生的随机数序列就会被"固定"下来，每次运行结果一致（便于调试、复现实验、写单元测试）。

python

import random

# 场景一：不设置种子 —— 每次运行结果都不一样
print(random.random())   # 第一次运行可能是 0.5xxx，第二次运行又会变

# 场景二：设置相同的种子 —— 每次运行结果完全一致
random.seed(42)          # 把种子固定为 42
print(random.random())   # 输出: 0.6394267984578837（固定值）
print(random.random())   # 输出: 0.025010755222666936（固定值）

random.seed(42)          # 重新设回同样的种子，序列会从头再来一遍
print(random.random())   # 输出: 0.6394267984578837（和上面第一个完全相同）

记忆口诀：seed() 是"遥控器上的复读键"——设了它，随机就变成"可控的随机"。开发调试时非常有用，测试通过后想恢复真正的随机，把 seed() 那行删掉即可。

二、`random()`：生成 [0.0, 1.0) 区间的小数

2.1 语法与说明

python

random.random()

参数：不需要任何参数；
返回值：一个浮点数（小数），范围是 [0.0, 1.0)；
区间解释：方括号 [ 表示"包含"（可能等于 0.0），圆括号 ) 表示"不包含"（永远不会等于 1.0）。所以它可能生成 0.0，但绝不会生成 1.0。

2.2 实战案例：模拟"抛硬币概率"与"抽中概率判定"

python

import random

# 案例 1：生成一个 0 到 1 之间的随机小数
num = random.random()
print(num)              # 输出: 例如 0.738274611233（每次运行不同，但都在 [0, 1) 内）

# 案例 2：模拟"30% 中奖概率"——随机数小于 0.3 就算中奖
if random.random() < 0.3:
    print("恭喜，中奖啦！")   # 约 30% 的概率执行这一行
else:
    print("很遗憾，未中奖。")  # 约 70% 的概率执行这一行

使用场景：random() 是所有随机数的"地基"。当你需要"按某个概率发生某件事"（比如 30% 概率中奖、10% 概率触发彩蛋），就用它来判断。

三、`randint()`：生成指定闭区间的随机整数

3.1 语法与说明

python

random.randint(a, b)

参数：a 和 b 是两个整数，分别表示区间的下限和上限；
返回值：一个整数，范围是 [a, b]（两端都包含，是"闭区间"）；
注意：a 必须小于等于 b，否则会报错。

3.2 实战案例：模拟掷骰子与生成验证码

python

import random

# 案例 1：模拟掷一个六面骰子（结果在 1~6 之间，含 1 和 6）
dice = random.randint(1, 6)
print("骰子点数：", dice)   # 输出: 骰子点数： 3（每次运行是 1~6 之间的随机整数）

# 案例 2：生成一个 4 位的随机验证码
code = random.randint(1000, 9999)   # 范围 1000~9999，正好是四位数字
print("你的验证码是：", code)        # 输出: 你的验证码是： 5823（四位随机整数）

使用场景：只要需求是"在一个整数范围内随便取一个整数"，就用 randint()。掷骰子、抽座位号、生成数字验证码、随机选第 N 页，都靠它。

四、`uniform()`：生成指定区间的随机小数

4.1 语法与说明

python

random.uniform(a, b)

参数：a 和 b 是两个数字（整数、小数均可），表示区间的两端；
返回值：一个浮点数，范围是 [a, b]（左右都包含）；
特殊能力：a 和 b 谁大谁小都可以——uniform(5, 1) 和 uniform(1, 5) 效果一样，会自动帮你调整方向。

4.2 实战案例：随机生成温度与区间颠倒演示

python

import random

# 案例 1：模拟温度传感器读数（范围 36.0 ~ 37.5 摄氏度）
temp = random.uniform(36.0, 37.5)
print("当前体温：", round(temp, 2))   # 输出: 当前体温： 36.83（36.0~37.5 之间的小数）

# 案例 2：区间上下限颠倒也没关系
a = random.uniform(5, 1)    # 写反了顺序，但照样能生成 1~5 之间的小数
print(a)                    # 输出: 例如 3.274118（一定在 1~5 之间）

使用场景：当随机值需要带小数（温度、身高、价格、坐标点），并且区间两端可能来自变量（谁大谁小不确定）时，uniform() 是最省心的选择。

五、`choice()`：从序列中随机选一个元素

5.1 语法与说明

python

random.choice(seq)

参数：seq 是一个非空序列（列表、元组、字符串等都算）；
返回值：序列中的一个元素，类型和序列里的元素一致；
注意：序列不能为空，否则会报 IndexError。

5.2 实战案例：随机点菜与随机昵称

python

import random

# 案例 1：从菜单里随机点一道菜
menu = ["红烧肉", "宫保鸡丁", "鱼香肉丝", "麻婆豆腐", "清炒时蔬"]
dish = random.choice(menu)
print("今天就吃：", dish)   # 输出: 今天就吃： 宫保鸡丁（每次从菜单里随机挑一道）

# 案例 2：从字符串里随机取一个字符（字符串也是序列）
letter = random.choice("ABCDEFGHIJKLMNOPQRSTUVWXYZ")
print("随机字母：", letter)  # 输出: 随机字母： K（26 个大写字母里随机一个）

使用场景：需求是"从一堆东西里挑一个"，就用 choice()。随机点菜、随机抽一个人回答问题、随机出题、随机选英雄，都是它的拿手好戏。

六、`sample()`：从序列中随机抽取多个不重复元素

6.1 语法与说明

python

random.sample(seq, k)

参数：seq 是源序列；k 是要抽取的元素个数（必须是不超过序列长度的非负整数）；
返回值：一个新列表，里面装着随机抽出的 k 个元素；
关键特点：抽出来的元素不会重复（相当于"不放回抽样"），且不会修改原序列。

6.2 实战案例：抽奖与随机抽取样本

python

import random

# 案例 1：从 30 个学号里随机抽 3 个同学回答问题
students = list(range(1, 31))        # 生成学号 1~30 的列表
chosen = random.sample(students, 3)  # 随机抽 3 个，且不重复
print("被点到的学号：", chosen)       # 输出: 被点到的学号： [7, 23, 15]（3 个不重复的学号）

# 案例 2：彩票双色球 —— 从 1~33 里抽 6 个红球
red_balls = random.sample(range(1, 34), 6)
print("红球号码：", red_balls)        # 输出: 红球号码： [3, 11, 19, 24, 30, 33]（6 个不重复）

使用场景：需求是"从一堆东西里挑多个、且不能重复"，就用 sample()。抽奖选人、随机抽样调查、双色球开奖、随机抽取若干道题，都离不开它。

七、`shuffle()`：原地打乱列表顺序

7.1 语法与说明

python

random.shuffle(x)

参数：x 是一个可变序列，通常是列表；
返回值：没有返回值（返回 None）；
关键特点：它是"原地"操作——直接修改传入的列表本身，不会生成新列表。

7.2 实战案例：洗牌与打乱题目顺序

python

import random

# 案例 1：洗一副扑克牌（打乱列表）
cards = ["A", "2", "3", "4", "5", "6", "7", "8", "9", "10", "J", "Q", "K"]
random.shuffle(cards)
print("洗牌后的顺序：", cards)
# 输出: 洗牌后的顺序： ['8', 'K', '3', 'A', ...]（顺序每次运行都不同）

# 案例 2：打乱试卷题目顺序，避免相邻考生作弊
questions = ["第1题", "第2题", "第3题", "第4题", "第5题"]
random.shuffle(questions)
print("出题顺序：", questions)
# 输出: 出题顺序： ['第3题', '第1题', '第5题', '第2题', '第4题']

# 特别提醒：shuffle 的返回值是 None，别写错成 cards = random.shuffle(cards)

使用场景：需求是"把现有的列表顺序打乱"，就用 shuffle()。洗牌、随机排序题目、随机安排出场顺序，都用它。

八、易混淆方法对比

8.1 `random()` 与 `uniform()`

两者都生成"随机小数"，但控制范围的能力不同：

对比项	`random()`	`uniform(a, b)`
参数	无	需要 `a`、`b` 两个参数
取值范围	固定 [0.0, 1.0)	由你指定 [a, b]（可颠倒）
适用场景	概率判断、比例、百分比	需要指定任意小数区间（温度、价格）

一句话区分：random() 是"固定 0~1 的概率尺子"，uniform() 是"可自定义区间的随机小数生成器"。

python

import random

print(random.random())          # 永远在 [0, 1) 内
print(random.uniform(10, 20))   # 在 [10, 20] 内，你想定多宽都行

8.2 `choice()` 与 `sample()`

两者都从序列里"抽元素"，但抽的数量和是否重复不同：

对比项	`choice(seq)`	`sample(seq, k)`
抽取数量	固定 1 个	由 `k` 决定（多个）
是否重复	只抽一个，无重复概念	抽多个时保证不重复
返回值	单个元素（原类型）	一个新列表
是否改原	不改	不改

一句话区分：choice() 是"单抽"（抽一个），sample() 是"多抽且不重"（抽一把，像抽奖不把同一个人抽两次）。

python

import random

names = ["小明", "小红", "小刚"]

print(random.choice(names))        # 只抽 1 个，输出: 小红
print(random.sample(names, 2))     # 抽 2 个且不重复，输出: ['小刚', '小明']

补充：如果想让 sample() 也"抽出可重复"的元素，可以把序列写两遍，例如 random.sample(names * 2, 2)；但更推荐直接理解成——需要不重复就用 sample，只需一个就用 choice。

九、总结：6 种方法的典型使用场景速查表

方法	一句话作用	返回值	典型使用场景
`random()`	生成 [0, 1) 的小数	浮点数	概率判断、百分比、抽中率
`randint(a, b)`	生成 [a, b] 的随机整数	整数	掷骰子、数字验证码、随机页码
`uniform(a, b)`	生成 [a, b] 的随机小数（可颠倒）	浮点数	温度、价格、坐标等带小数的随机值
`choice(seq)`	从序列里抽 1 个元素	单个元素	随机点菜、抽人回答、随机出题
`sample(seq, k)`	从序列里抽 k 个不重复元素	新列表	抽奖、抽样调查、双色球开奖
`shuffle(x)`	原地打乱列表顺序	`None`（原地改）	洗牌、打乱题目顺序、随机安排出场

记忆技巧：

要"小数" → random() 或 uniform()（一个固定 0~1，一个自定义区间）；
要"整数" → randint()；
要"挑元素" → 挑一个用 choice()，挑多个不重复用 sample()；
要"打乱顺序" → shuffle()（原地改，无返回值）。

核心结论：random 模块的本质是"把各种随机需求封装成不同出口"。先想清楚"我要随机的是什么（小数/整数/元素/顺序）"，再去对应表里挑方法，就能十拿九稳。若想调试时让结果固定可复现，记得在代码开头加一句 random.seed(任意整数)。

Python random 模块：随机数生成的 6 个核心方法 ​

引言：用"抽奖箱"理解随机数 ​

一、导入模块与随机数种子 seed() ​

1.1 导入 random 模块 ​

1.2 种子 seed()：让随机数"可复现" ​

二、random()：生成 [0.0, 1.0) 区间的小数 ​

2.1 语法与说明 ​

2.2 实战案例：模拟"抛硬币概率"与"抽中概率判定" ​

三、randint()：生成指定闭区间的随机整数 ​

3.1 语法与说明 ​

3.2 实战案例：模拟掷骰子与生成验证码 ​

四、uniform()：生成指定区间的随机小数 ​

4.1 语法与说明 ​

4.2 实战案例：随机生成温度与区间颠倒演示 ​

五、choice()：从序列中随机选一个元素 ​

5.1 语法与说明 ​

5.2 实战案例：随机点菜与随机昵称 ​

六、sample()：从序列中随机抽取多个不重复元素 ​

6.1 语法与说明 ​

6.2 实战案例：抽奖与随机抽取样本 ​

七、shuffle()：原地打乱列表顺序 ​

7.1 语法与说明 ​

7.2 实战案例：洗牌与打乱题目顺序 ​

八、易混淆方法对比 ​

8.1 random() 与 uniform() ​

8.2 choice() 与 sample() ​

九、总结：6 种方法的典型使用场景速查表 ​

Python random 模块：随机数生成的 6 个核心方法

引言：用"抽奖箱"理解随机数

一、导入模块与随机数种子 `seed()`

1.1 导入 random 模块

1.2 种子 `seed()`：让随机数"可复现"

二、`random()`：生成 [0.0, 1.0) 区间的小数

2.1 语法与说明

2.2 实战案例：模拟"抛硬币概率"与"抽中概率判定"

三、`randint()`：生成指定闭区间的随机整数

3.1 语法与说明

3.2 实战案例：模拟掷骰子与生成验证码

四、`uniform()`：生成指定区间的随机小数

4.1 语法与说明

4.2 实战案例：随机生成温度与区间颠倒演示

五、`choice()`：从序列中随机选一个元素

5.1 语法与说明

5.2 实战案例：随机点菜与随机昵称

六、`sample()`：从序列中随机抽取多个不重复元素

6.1 语法与说明

6.2 实战案例：抽奖与随机抽取样本

七、`shuffle()`：原地打乱列表顺序

7.1 语法与说明

7.2 实战案例：洗牌与打乱题目顺序

八、易混淆方法对比

8.1 `random()` 与 `uniform()`

8.2 `choice()` 与 `sample()`

九、总结：6 种方法的典型使用场景速查表