Генерация случайных чисел с помощью Python random

1. Генерация надёжного пароля с использованием secrets

Создание пароля длиной 12 символов из букв, цифр и специальных знаков.

import secrets
import string

alphabet = string.ascii_letters + string.digits + string.punctuation
password = ''.join(secrets.choice(alphabet) for _ in range(12))
print(password)

7Fg@3!kP#xY2

Функция secrets.token_urlsafe() генерирует безопасную строку в формате base64, подходящую для токенов.

import secrets
token = secrets.token_urlsafe(16)  # 16 байт -> примерно 22 символа
print(token)

2l9tZ7Qp8m0c3xR4v5w6

2. Симуляция бросков двух кубиков с суммированием

Моделирование 1000 бросков двух шестигранных кубиков и подсчёт частоты каждой суммы.

import random
from collections import Counter

def roll_dice(num_rolls=1000):
    results = []
    for _ in range(num_rolls):
        d1 = random.randint(1, 6)
        d2 = random.randint(1, 6)
        results.append(d1 + d2)
    return Counter(results)

freq = roll_dice(1000)
for total, count in sorted(freq.items()):
    print(f"Сумма {total}: {count}")

Сумма 2: 28
Сумма 3: 56
Сумма 4: 83
...
Сумма 12: 25

3. Случайные числа из нормального распределения с визуализацией

Генерируем 1000 чисел со средним 0 и стандартным отклонением 1, выводим гистограмму в текстовом виде.

import random
import math

mu, sigma = 0, 1
samples = [random.gauss(mu, sigma) for _ in range(1000)]
# простейшая текстовая гистограмма
bins = 20
bin_width = (max(samples) - min(samples)) / bins
for i in range(bins):
    left = min(samples) + i * bin_width
    right = left + bin_width
    count = sum(left <= x < right for x in samples)
    print(f"{left:5.2f} - {right:5.2f}: {'*' * count}")

-3.12 - -2.81: **
-2.81 - -2.50: ****
...
2.81 - 3.12: ***

4. Случайное перемешивание с сохранением исходного списка

Создание копии перемешанного списка без изменения оригинала.

import random
original = ['A', 'B', 'C', 'D', 'E']
shuffled = random.sample(original, len(original))
print('Оригинал:', original)
print('Перемешан:', shuffled)

Оригинал: ['A', 'B', 'C', 'D', 'E']
Перемешан: ['E', 'C', 'A', 'D', 'B']

5. Использование numpy.random для массивов случайных чисел

Библиотека numpy предоставляет более мощные функции для работы с многомерными массивами. Пример: генерация матрицы 3x4 из равномерно распределённых чисел.

import numpy as np
# создаём генератор с seed для воспроизводимости
rng = np.random.default_rng(42)
arr = rng.uniform(0, 1, size=(3, 4))
print(arr)

[[0.77395605 0.43887844 0.85859792 0.69736803]
 [0.09417735 0.97562235 0.7611397  0.78606431]
 [0.12811363 0.45038594 0.37079802 0.92676499]]

Также доступны rng.integers, rng.choice, rng.shuffle для больших объёмов данных с высокой производительностью.

6. Генерация случайных чисел с экспоненциальным распределением

Используем random.expovariate(lambd) для симуляции времени между событиями.

import random
# среднее время между заявками = 5 минут (lambd = 1/5)
lambd = 1/5
intervals = [random.expovariate(lambd) for _ in range(5)]
print('Интервалы (минут):', [f'{t:.2f}' for t in intervals])

Интервалы (минут): ['1.23', '8.47', '3.01', '0.54', '12.76']

7. Случайный выбор с весами для лотерейного розыгрыша

Участники имеют разное количество билетов, веса пропорциональны числу билетов.

import random
participants = ['Иван', 'Петр', 'Мария', 'Елена']
tickets = [3, 1, 5, 2]  # веса
winner = random.choices(participants, weights=tickets, k=1)
print('Победитель:', winner[0])

Победитель: Мария

8. Создание своего экземпляра Random для изолированных вычислений

В многопоточных приложениях или для тестов удобно иметь собственный генератор, не влияющий на глобальный.

import random
my_rng = random.Random(12345)
print('Мои числа:', [my_rng.randint(1, 10) for _ in range(3)])
# глобальный генератор не изменился
print('Глобальные:', [random.randint(1, 10) for _ in range(3)])

Мои числа: [7, 2, 9]
Глобальные: [4, 8, 1]