Python 随机数生成器
学习如何使用 Python 生成随机数，包含交互式代码示例。使用 random、secrets 和 numpy 模块实时执行代码并查看结果。
需要快速生成随机数？
试试我们的在线随机数生成器，无需编写任何代码即可获得即时结果。
Python 代码编辑器
学习如何使用 Python 生成随机数，包含交互式代码示例。使用 random、secrets 和 numpy 模块实时执行代码并查看结果。
import random
# Generate random integers between min and max
min_val = 1
max_val = 100
quantity = 5
# Generate multiple random numbers
numbers = [random.randint(min_val, max_val) for _ in range(quantity)]
print(f"Random numbers: {numbers}")输出
Pyodide（Python 到 WebAssembly）
正在运行代码...
正在加载 Python 环境...
基础随机整数
使用 random.randint() 在指定范围内生成随机整数。这是最常用的通用随机数生成方法。
理解 Python 随机数生成
Python 提供多种生成随机数的方法，每种方法适用于不同的使用场景。random 模块使用基于 Mersenne Twister 算法的伪随机数生成（PRNG），而 secrets 模块提供加密安全的随机数，适用于密码生成和安全令牌。
random
random 模块提供快速的伪随机数生成，适用于模拟、游戏和一般编程任务。
secrets
secrets 模块使用 os.urandom() 生成加密安全的随机数，适用于密码生成、安全令牌和认证系统。
numpy
NumPy 的随机模块提供高效的基于数组的随机数生成，非常适合科学计算、数据分析和大规模模拟。
常见使用场景
游戏和模拟
使用 random.randint() 或 random.choice() 生成随机骰子点数、抽牌、战利品掉落和游戏事件。
安全和密码学
使用 secrets 模块创建安全密码、API 密钥、会话令牌和加密盐值。
数据科学和统计
使用 numpy.random() 生成用于测试、统计采样和蒙特卡洛模拟的随机数据集。
软件测试
创建随机测试数据和边界情况，确保健壮的代码覆盖率和错误检测。
Python 随机数生成工作原理
Python 的 random 模块使用 Mersenne Twister 算法，这是一种广泛使用的伪随机数生成器（PRNG）。它生成看似随机但实际上基于初始种子值确定性的数字序列。
secrets 模块在 Python 3.6 中引入，使用 os.urandom() 访问操作系统的加密随机性源。这提供了适用于安全敏感应用的真正随机性。
NumPy 的随机模块构建在 Mersenne Twister 的 C 实现之上，提供快速的向量化操作，高效生成大量随机数数组。
注意：所有代码执行都在浏览器中使用 Pyodide（编译为 WebAssembly 的 Python）完成。没有代码或数据会发送到我们的服务器，确保完全的隐私和安全。
Python 随机数生成专家提示
使用种子实现可重复性
使用 random.seed(42) 设置种子值以获得可重复的结果。对于调试和科学实验至关重要。
安全最佳实践
始终使用 secrets 模块生成密码、API 密钥和安全令牌。切勿将 random 用于加密目的。
使用 NumPy 提升性能
对于生成大量随机数数组，NumPy 比使用 random 模块的列表推导式快得多。
技术规格
算法
- Mersenne Twister（random 模块）
- os.urandom()（secrets 模块）
- NumPy Mersenne Twister（C 实现）
性能
- random: 约 100 万数字/秒
- secrets: 约 10 万数字/秒（由于 OS 调用较慢）
- numpy: 约 1000 万 + 数字/秒（向量化）
最佳使用场景
- random: 游戏、模拟、一般编程
- secrets: 密码、令牌、加密
- numpy: 数据科学、大规模模拟
常见问题
涵盖了哪些 Python 模块？
内置 random 模块、用于安全工作的 Secrets 模块以及用于数组友好生成的 numpy。
我可以运行页面上的示例吗？
可以。该页面加载浏览器内的 Python 运行时，因此您可以编辑和运行每个代码片段并查看真实输出。
我应该使用哪个模块来存储令牌或密码？
使用机密。随机模块适用于模拟和游戏，但在加密方面不安全。
我的代码在服务器上运行吗？
不。执行发生在浏览器环境中，因此您输入的任何内容都不会上传。
如何在 Python 中生成 1 到 10 之间的随机整数？
使用 random.randint(1, 10)，它返回 1 到 10 之间（包含两端点）的整数。如果需要同一范围内的浮点数，请调用 random.uniform(1, 10)。您可以在本页的交互式示例中编辑并运行这段代码。
Python 的随机数是真正的随机数吗？
不是。random 模块使用 Mersenne Twister 伪随机数生成器，浮点精度为 53 位，因此其输出是确定性的，不适合用于密码学。对于密码、令牌或密钥等安全敏感的值，请使用 secrets 模块，它从操作系统的密码学安全随机源获取随机性。
如何让每次运行代码时都得到相同的随机数？
在生成随机数之前调用 random.seed(42) 或任意固定的整数。设置种子会将 Mersenne Twister 置于可复现的状态，因此 randint、random、shuffle 和 choice 在每次运行时都会返回相同的序列。这对于测试、调试以及复现机器学习或模拟实验至关重要。
numpy 生成随机数比 random 模块更快吗？
是的，而且快得多。像 np.random.randint(1, 101, size=1000000) 这样的一次调用即可通过向量化操作生成一百万个整数，避免了 random 模块的 randint 逐个取值所需的缓慢 Python 循环。当您需要为模拟、抽样或统计分析生成数千到数百万个随机值时，请使用 numpy。
为什么学习 Python 随机数生成？
多样化方法
- 多种模块满足不同需求
- 从简单游戏到加密应用
- 易于学习，功能强大
实际应用
- 用于数据科学和机器学习
- 测试和 QA 的必备技能
- 安全应用的关键技术
行业标准
- 广泛用于生产系统
- 强大的社区支持和文档
参考资料与资源
-
Python random Module - Official Docs
random 模块及其生成器的 Python 官方文档。
-
Mersenne Twister - Wikipedia
多数语言随机库背后的 Mersenne Twister 算法。