Python | random 模块：Python 中如何生成随机数和随机抽样？

random 是平时开发过程中常用的一个模块，该模块实现了各种分布的伪随机数生成器，以及和随机数相关的各种实用函数。基本函数 random() 在区间 [0.0, 1.0) 内均匀生成随机浮点数，是模块中几乎所有函数的基础。

Python 使用 Mersenne Twister 作为核心生成器，由于完全确定性（对于给定的初始化条件，生成的随机数序列完全确定，所以称为“伪随机数”），该模块不适用于安全或加密用途。

由于入门语言是 C 语言，所以最开始用 Python 的时候还写过 x = int(random() * a + b) 这样的憨憨代码（捂脸）。翻看文档之后才发现标准库中提供了很多便捷的函数，做个笔记记录一下。

生成整数
生成实数（浮点数）
序列/选择
再现序列
参考文献

生成整数

random.randrange(stop) / random.randrange(start, stop[, step])

从 range(start, stop[, step]) 中随机选择一个整数，参数的意义与 range() 完全一致，即左闭右开。

randrange(3)		# 0, 1, 2

randrange(2, 5)		# 2, 3, 4

randrange(2, 8, 2)	# 2, 4, 6

random.randint(a, b)

最常用的随机整数方法，返回整数 N 满足 a <= N <= b。相当于 randrange(a, b+1)。

生成实数（浮点数）

除了常用的均匀分布，random 模块提供了很多种概率分布模式的随机数，对应的分布方程以及参数与数学中的命名相对应。这里只简单列出几个比较常见的。

random.random()

均匀分布，生成 [0.0, 1.0) 之间的浮点数

random.uniform(a, b)

均匀分布，生成 a 到 b 之间的浮点数（包含端点），不需要保证 a <= b

random.expovariate(lambd)

指数分布，参数 lambd != 0

random.gammavariate(alpha, beta)

Gamma 分布，alpha > 0， beta > 0

random.gauss(mu, sigma) / random.normalvariate(mu, sigma)

正态分布（高斯分布），mu - 平均值，sigma - 标准差（>0）

两者功能相同，前者速度略快，后者线程安全

序列/选择

random.choice(seq)

从非空序列 seq 返回一个随机元素。如果 seq 为空，则引发 IndexError

random.choices(population, weights=None, *, cum_weights=None, k=1)

返回从 population 进行 k 次随机抽样结果的列表，即有重复（有放回）随机抽样。

可以指定每个元素对应的权重，如果未指定权重默认为等概率选择

weight 序列：指定相对权重
cum_weights 序列：指定累积权重
- 例：相对权重 [10, 5, 30, 5] 相当于累积权重 [10, 15, 45, 50]
如果提供了权重序列，则它必须与 population 序列的长度相同

random.shuffle(x[, random])

将序列 x 随机打乱位置。将改变 x 序列本身，而不是将新列表返回，因此传入的 x 必须是可变列表（例如 list），如果传入不可变对象（例如 tuple）会产生错误。random 是一个0参数函数，在 [0.0, 1.0) 中返回随机浮点数，默认为 random()。

由于全排列数量为阶乘增长，因此对于默认的随机数生成器，如果输入序列的长度超过 2080，那么大多数排列永远不可能出现。

random.sample(population, k, *, counts=None)

不改变原序列 population，返回序列中不重复的 k 个元素的列表，即无重复随机抽样。要从一系列整数中选择样本，建议使用 range() 对象作为参数

序列中可以包含重复的元素，重复的元素可能会被同时选中（即完全按照给定列表选择，不会进行去重）

（Python >= 3.9）参数 counts 可以表示重复的元素。例如，sample(['red', 'blue'], counts=[4, 2], k=5) 等价于 sample(['red', 'red', 'red', 'red', 'blue', 'blue'], k=5)。

>>> choice(['win', 'lose', 'draw'])	# 随机选择一个元素

'draw'

>>> choices(['red', 'black', 'green'], [18, 18, 2], k=6)	# 加权抽取6个元素（有重复）

['red', 'green', 'black', 'black', 'red', 'black']

>>> deck = 'ace two three four'.split()

>>> shuffle(deck)		# 打乱列表

>>> deck

['four', 'two', 'ace', 'three']

>>> sample([10, 20, 30, 40, 50], k=4)    # 抽取4个随机样本（无重复）

[40, 10, 50, 30]

再现序列

有时需要重现伪随机数的序列。

random.seed(a=None)

使用种子 a（NoneType, int, float, str, bytes 或 bytearray）初始化随机数生成器，默认使用当前系统时间。通过重用一个种子值，可以在多次运行中再现相同的随机序列（不考虑多线程情况）

random.getstate() / random.setstate(state)

捕获/恢复生成器内部状态，可以在单次运行中复现随机序列

>>> status = random.getstate()

>>> random.random()

0.41528974297057974

>>> random.random()

0.5554723616955235

>>> random.setstate(status)

>>> random.random()

0.41528974297057974

>>> random.random()

0.5554723616955235

参考文献

Python 3.9 文档 > 标准库 > 数字和数学模块