Python生成随机数的3种方法：random、randint、choice与secrets安全边界

Python 生成随机数要先分场景：普通模拟用 random.random()，指定整数范围用 randint()，从候选项抽取用 choice()；密码、验证码和令牌不能用 random 模块，应改用 secrets。

本文基于 Python 3，用同一个固定种子演示三种 Python 随机数方法，并给出本机实际输出。你会看到两端是否包含、怎样复现实验、空序列为什么报错，以及伪随机和安全随机的边界。固定种子只用于测试，不应出现在安全凭据生成流程；同一输出也不能证明分布公平。

一、先看结论：三种随机数方法怎么选

一句话：普通模拟用 random，安全凭据用 secrets；先确定输出类型和区间，再选 API。

二、方法一：random 生成 0 到 1 之间的小数

random.random() 返回大于等于 0.0、小于 1.0 的浮点数，也就是半开区间 [0.0, 1.0)。它适合概率判断、模拟和测试数据。

import random

# 创建独立的随机生成器实例，避免影响模块级全局随机状态
rng = random.Random(20260917)

# 生成 [0.0, 1.0) 之间的小数
value = rng.random()

# 保留 6 位小数输出
print(f"{value:.6f}")

本文在 Python 3 环境实际执行，输出为：

0.616661

不同 Python 版本和实现可能得到不同结果，但固定种子后，在同一环境、同一调用顺序下可复现。

单独创建 Random 实例能避免和模块级全局状态互相影响。种子相同、Python 实现与调用顺序相同时，序列可复现，便于测试失败回放。它不是“更随机”，恰恰是为了稳定重现。

random 模块还提供 uniform(a, b)、shuffle、sample 和 choices。不要因为它们都在同一模块就认为语义一致：

测试时应断言范围、长度和约束，不要断言一个未固定种子的具体数值。

如果你对模块导入、函数和对象还不熟，可以先补 Python3基础教程，再继续看随机状态。

三、方法二：randint 生成包含两端的整数

randint(a, b) 会返回 a <= N <= b 的整数。初学者最常犯的错误，是把它当成不包含右端点的 range。

import random

# 固定种子，方便复现实验
rng = random.Random(20260917)

# 先消耗一次随机状态
print(rng.random())

# 生成 1 到 6 之间的整数，包含 1 和 6
print(rng.randint(1, 6))

由于先消耗了一次随机状态，本机第二行实际得到：

6

如果删除前一次 random() 调用，固定种子下的结果也会变化。这说明固定种子要和完整调用顺序一起记录。

若需要不包含上限的整数，可用 randrange(stop) 或 randrange(start, stop, step)：

import random

rng = random.Random(20260917)

# 从 0、2、4、6、8 中选择，不包含 stop=10
print(rng.randrange(0, 10, 2))

Python 3.12 起，randrange(10.0) 这类自动把非整数转换为整数的写法会抛 TypeError，参数应明确传整数。

randint 用法适合骰子、题号和闭区间业务值，但不适合用 int(random() * n) 自己模拟。标准库的范围函数处理大整数与分布细节更稳，也让端点语义一眼可见。

常用签名和边界记不住时，可查 Python速查手册，不要靠猜测决定右端点。

四、方法三：choice 从序列中抽一个元素

抽题、抽颜色或随机选择配置时，choice(sequence) 比“先生成索引再取值”更直接。

import random

# 固定种子，保持与本文测试序列一致
rng = random.Random(20260917)

# 前两次调用保留，用于复现完整测试顺序
rng.random()
rng.randint(1, 6)

topics = ["Python", "SQL", "JavaScript"]

# 从列表中随机选择一个元素
print(rng.choice(topics))

本机实际输出为：

SQL

前两次调用保留在示例中，是为了与本文完整测试序列一致。若只复制 choice 部分，得到其他选项也完全正常。

空序列没有可选元素。本文实际执行 rng.choice([])，得到：

IndexError: Cannot choose from an empty sequence

业务代码应先验证候选集合，并决定空集合时返回默认值、跳过任务还是抛业务异常。不要捕获所有 Exception 后悄悄返回空字符串，这会把数据缺失伪装成正常结果。

choice 空序列是输入约束错误，不是随机失败。候选由数据库查询产生时，应把查询条件、候选数量和去重规则写进日志；候选带权重时使用 choices(population, weights=...)，并验证权重数量一致、非负且总和不是 0。

五、普通随机和安全随机必须分开

Python random官方文档 明确说明，该模块使用确定性伪随机生成器，不适合加密用途。

抽奖演示、游戏、模拟和可复现测试可以使用 random；重置密码链接、会话令牌、验证码等应使用 secrets。

import secrets

# 生成 6 位数字验证码
code = "".join(str(secrets.randbelow(10)) for _ in range(6))

# 生成 URL 安全令牌
token = secrets.token_urlsafe(24)

# 验证码长度为 6，令牌长度大于 20
print(len(code), len(token) > 20)

预期结果（安全随机每次不同）是：

6 True

不要为了让安全测试“稳定”而给生成器固定种子。安全场景关注长度、字符集合和不可预测性，而不是某个固定输出。

SystemRandom 和 secrets 都使用操作系统提供的随机源。选择 API 时先问“攻击者能否因预测结果获利”，若答案是能，就不要用 random。

secrets 还提供 token_bytes、token_hex 和 token_urlsafe。令牌长度应按系统风险与存储格式确定，比较敏感令牌时使用 secrets.compare_digest 减少时序泄漏，而不是普通字符串等号承担全部安全设计。

六、三个边界决定结果是否可信

第一，记录区间。random() 不含 1.0，randint(a,b) 包含 b，randrange 类似 range 不含 stop。

第二，区分有放回和无放回：choices 可重复抽取，sample 在同一次抽样中不重复，样本数超过总体会报错。

第三，不要遍历大量结果后凭肉眼判断“均匀”。需要验证分布时，统计频数并设置足够样本，同时接受合理波动。固定种子适合回归测试，不适合证明生成器具有真正随机性。

如果出现每次启动结果都一样，检查是否反复设置同一个 seed；如果多线程性能下降，可为线程创建独立 Random 实例；如果候选集合来自用户输入，先处理空集合和重复项。Python 随机数避坑的核心，是让场景、范围和随机源保持一致。

七、常见异常与排错清单

八、测试用例建议

总结

三种常见 Python 随机数方法分别解决不同任务：

• random() 生成 [0,1) 小数；
• randint() 生成包含两端的整数；
• choice() 从非空序列抽一个元素。

固定种子让测试可复现，却不提升安全性。

下一次写随机逻辑时，先确定输出类型与区间，再判断是否需要安全随机，最后补上空序列、端点和重复抽样测试。只要涉及密码、验证码或令牌，直接选择 secrets，不要让普通模拟 API 承担安全职责。

延伸学习

1. 需要系统练习语法，可跟着 Python3 入门课程 完成基础训练；
2. 只想临时生成测试值，可使用 随机数生成工具，但不要把网页结果用于安全令牌；
3. 想看安全字符串的业务案例，可读 Python随机密码示例，并把其中做法与 secrets 边界对照。

常见问题

Q：randint(1,6) 可能得到 6 吗？

A：可以。randint 包含左右端点。需要 1 到 5 时应写 randint(1,5)，或按 range 语义使用 randrange(1,6)。

Q：设置 seed 后结果为什么还是变了？

A：随机序列还取决于调用顺序和生成器实例。新增一次随机调用，后续所有值都会前移；测试应固定完整流程。

Q：choice 可以传集合 set 吗？

A：不建议，choice 需要支持整数索引的序列。先把数据整理成列表，并明确集合转列表后的顺序是否影响复现。

Q：抽奖程序能用 random 吗？

A：只有无安全和利益风险的演示适合。真实抽奖涉及公平、审计与防预测，需要安全随机源和完整规则记录。