Python最常用random模块生成伪随机数，含random()、randint()、uniform()、choice()等函数，需用seed()控制可重现性，安全场景应选secrets模块。
Python 生成随机数最常用的是 random 模块，它提供多种生成伪随机数的方法，适用于模拟、测试、游戏、抽样等场景。关键在于理解不同函数的用途和随机种子（seed）的作用，避免“每次运行结果都一样”或“看似不随机”的问题。
基础随机数：整数、浮点数、选择
random 模块默认使用 Mersenne Twister 算法，速度快、周期长，适合一般用途。
-
random.random()：返回 [0.0, 1.0) 区间的均匀分布浮点数 -
random.randint(a, b)：返回 [a, b] 区间内的随机整数（含两端） -
random.uniform(a, b)：返回 [a, b) 或 [b, a) 区间内的随机浮点数（自动处理大小顺序） -
random.choice(seq)：从非空序列中随机选一个元素 -
random.choices(population, weights=None, k=1)：可重复抽样，支持加权（weights指定各元素被选概率） -
random.sample(population, k)：无放回抽样，k 不能超过 population 长度
控制随机性：用 seed 固定结果
调用 random.seed(x) 可初始化随机数生成器状态。相同 seed 值下，后续所有随机结果完全一致——这对调试、复现实验、单元测试非常关键。
- 不传参（
random.seed()）：默认用系统时间等熵源自动初始化，每次运行结果不同 - 传固定整数（如
random.seed(42)）：确保每次运行输出相同，推荐在脚本开头设置 - 注意：模块级 seed 影响所有使用
random的地方；若需隔离，可创建独立random.Random实例
进阶技巧：独立实例与安全随机
多线程或需要隔离随机行为时，避免全局状态干扰：
立即学习“Python免费学习笔记（深入）”；
- 用
rng = random.Random()创建独立实例，再调用rng.randint()等方法，互不影响 - 对安全性要求高（如生成密码、token），别用
random——它不是密码学安全的。改用secrets模块：secrets.randbelow(100)、secrets.choice()、secrets.token_hex(16) - 需大量高性能随机数（如科学计算），考虑用
numpy.random.Generator（NumPy 1.17+），它更现代、可控、且支持多种分布
常见误区提醒
几个容易踩的坑：
-
random.randrange(10)和random.randint(0, 9)效果类似，但前者右边界不包含，后者包含——注意区间开闭 -
random.shuffle()直接原地打乱列表，不返回新列表；误写成lst = random.shuffle(lst)会导致 lst 变成None - 在循环里反复调用
seed()（尤其用时间戳），可能因时间太接近导致重复 seed，反而降低随机性 - 浮点随机数不是“完全均匀”的——受 IEEE 754 表示限制，但对绝大多数应用无影响
