Python的random库提供了丰富的函数来生成随机数和进行随机操作。下面这个表格汇总了最常用的函数，方便你快速查阅。
| 函数名 | 用法示例 | 功能说明 |
|---|---|---|
random() |
random.random() |
生成一个[0.0, 1.0)范围内的随机浮点数。 |
randint(a, b) |
random.randint(1, 10) |
生成一个指定范围[a, b]内的随机整数，包含上下边界。 |
uniform(a, b) |
random.uniform(1.5, 10.5) |
生成一个指定范围[a, b]内的随机浮点数。 |
choice(seq) |
random.choice(['apple', 'banana']) |
从非空序列（如列表、元组）中随机选择一个元素返回。 |
shuffle(seq) |
random.shuffle([1, 2, 3, 4, 5]) |
将序列中的元素原地随机打乱顺序，只支持可变序列（如列表）。 |
sample(seq, k) |
random.sample([1,2,3,4,5], 3) |
从序列中随机抽取k个不重复的元素，返回一个新列表，原序列不变。 |
randrange(start, stop[, step]) |
random.randrange(0, 10, 2) |
从range(start, stop, step)的结果中随机选择一个整数，不包含stop。 |
seed(a=None) |
random.seed(42) |
初始化随机数生成器。给定相同的种子，将产生相同的随机数序列，用于结果复现。 |
gauss(mu, sigma) |
random.gauss(0, 1) |
生成一个服从高斯分布（正态分布）的随机浮点数，mu为均值，sigma为标准差。 |
choices(seq, k=1) |
random.choices([1,2,3], k=2) |
从序列中随机抽取k个元素，抽取是可重复的（即有放回抽样）。 |
💡 使用须知与技巧
- 伪随机性：
random库生成的是伪随机数，其序列由种子（seed）决定。默认使用系统时间作为种子，所以每次运行结果不同。通过random.seed()设置固定种子，可以让随机过程可复现，这在模型训练和调试时非常有用。 - 线程安全：在多线程程序中，最好为每个线程创建独立的
Random实例，以避免全局状态冲突。 - 安全警示：
random库不适合用于密码学、密钥生成等安全敏感场景。这类需求请使用secrets模块。
💎 应用场景
random库的函数在诸多场景中发挥重要作用：
- 游戏开发：随机生成敌人、道具或随机事件（如
choice()）。 - 模拟实验：模拟掷骰子（
randint(1, 6)）、洗牌（shuffle()）等。 - 数据分析与机器学习：随机划分训练集和测试集（
sample()或shuffle()），数据增强（如随机旋转图片）。 - 随机抽样：从大量数据中随机抽取样本进行分析（
sample()或choices()）。
希望这份总结能帮助你更好地使用Python random库。如果你有更具体的应用场景想了解，我可以提供更细致的例子。