在Python中生成随机数可通过random模块的基础函数、numpy库的科学计算优化以及secrets模块的高安全性方案实现。基础场景推荐random.randint() 生成整数，random.uniform() 生成浮点数；科学计算场景优先考虑numpy.random 的数组级高效生成；高安全性需求时推荐使用secrets模块防止预测风险。

1. 基础随机数生成

   • 整数生成：使用
     plaintext

     复制
     random.randint(a, b)
     可在指定范围内生成随机整数，例如
     plaintext

     复制
     random.randint(1, 10)
     输出1到10之间的整数。
   • 浮点数生成：
     plaintext

     复制
     random.random()
     生成[0.0,1.0)的浮点数，
     plaintext

     复制
     random.uniform(a, b)
     支持自定义范围。
   • 序列操作：
     plaintext

     复制
     random.choice(seq)
     从列表/元组中随机选取元素，
     plaintext

     复制
     random.shuffle(list)
     打乱序列顺序。
     适用场景：简单模拟、游戏开发、基础抽样场景。

2. 科学计算与高效生成

   • 批量生成：
     plaintext

     复制
     numpy.random.randint(low, high, size)
     可一次性生成多维数组，例如生成100个1-50的随机数：
     plaintext

     复制
     numpy.random.randint(1, 51, 100)
     。
   • 正态分布：
     plaintext

     复制
     numpy.random.normal(loc, scale, size)
     支持生成符合特定分布的随机数，适用于数据建模。
     优势：处理大规模数据时效率比标准库快10倍以上[。

3. 高安全性随机数

   • 密码学安全：
     plaintext

     复制
     secrets
     模块的
     plaintext

     复制
     secrets.randbelow(n)
     生成0到n-1的不可预测整数，
     plaintext

     复制
     secrets.token_hex(16)
     生成32位加密安全字符串。
   • 避免预测风险：适用于生成验证码、API密钥或密码重置令牌，防止伪随机数被破解。
     注意：默认的
     plaintext

     复制
     random
     模块因基于确定性算法，不适合安全敏感场景。

4. 控制随机种子

   • 通过
     plaintext

     复制
     random.seed(42)
     或
     plaintext

     复制
     numpy.random.seed(42)
     固定随机数序列，确保实验可复现。
   • 种子值相生成的随机数序列完全一致，常用于机器学习、算法调试。

需根据具体需求选择模块：常规场景用random，数据科学用numpy，安全领域用secrets。若需同时兼顾性能和安全性，可组合使用（如用secrets生成种子值）。注意避免在多线程环境中共享随机状态，防止数据竞争问题。