Случайные числа в языке Python: от простых randint до сложных распределений

Как получить случайное целое число с определённым шагом?

Функция randrange(start, stop[, step]) работает аналогично range, но возвращает случайное значение из последовательности.

import random
# случайное нечётное число от 1 до 9
odd = random.randrange(1, 10, 2)
print(odd)

Эта функция полезна, когда нужно избежать лишнего кода с перебором.

Как случайным образом выбрать элемент из списка или строки?

Функция choice(seq) возвращает один случайный элемент из непустой последовательности.

import random
fruits = ["яблоко", "банан", "вишня", "дыня"]
selected = random.choice(fruits)
print("Выпало:", selected)

Аналогично для строки:

char = random.choice("ABCDEF")
print(char)

Случаи использования: случайный выбор вопроса из теста, генерация случайного символа.

Как перемешать список на месте?

Метод shuffle(list) изменяет порядок элементов исходного списка случайным образом.

import random
deck = [2, 3, 4, 5, 6, 7, 8, 9, 10, "Валет", "Дама", "Король", "Туз"]
random.shuffle(deck)
print(deck)

Важно: shuffle модифицирует переданный список, а не возвращает новый. Если нужен новый порядок без изменения оригинала, сначала следует скопировать список: shuffled = original[:]; random.shuffle(shuffled).

Как получить несколько случайных элементов без повторений?

Функция sample(population, k) возвращает список длиной k из уникальных элементов популяции.

import random
numbers = range(100)
# выбрать 5 случайных чисел без повторений
group = random.sample(numbers, 5)
print(group)

Если k больше длины population, возникает ValueError.

Цель: создание случайных подмножеств, выбор победителей в лотерее.

Как задать воспроизводимость случайных экспериментов?

Функция seed(a=None) инициализирует генератор случайных чисел. Если задать одинаковое значение, последовательность случайных чисел будет повторяться.

import random
random.seed(42)
print([random.randint(1,6) for _ in range(5)])

# Повторный запуск даст тот же результат
random.seed(42)
print([random.randint(1,6) for _ in range(5)])

Это критически важно в научных расчётах и отладке, когда нужна повторяемость результатов.

Как получить криптостойкое случайное число?

Для задач безопасности (генерация паролей, токенов) используется модуль secrets. Он основан на криптографически стойких источниках случайности ОС.

import secrets
# случайное целое в диапазоне [0, 100)
secure_int = secrets.randbelow(100)
print(secure_int)

# произвольный токен из 32 байт в шестнадцатеричном виде
token = secrets.token_hex(32)
print(token)

Функция randbelow(n) даёт равномерно распределённое целое от 0 до n-1 с криптографической безопасностью.

Как генерировать числа из нормального распределения?

Модуль random включает функции для других распределений. gauss(mu, sigma) возвращает число из нормального распределения с заданным средним и стандартным отклонением.

import random
mu, sigma = 0, 0.1
sample = [random.gauss(mu, sigma) for _ in range(1000)]
# среднее и стд. откл. на выборке
print("Среднее:", sum(sample)/len(sample))
print("Стд.откл.:", (sum((x - sum(sample)/len(sample))**2 for x in sample)/(len(sample)-1))**0.5)

Доступны также expovariate (экспоненциальное), betavariate (бета-распределение) и другие. Они применяются в моделировании и статистике.

Как использовать генератор случайных чисел из библиотеки NumPy?

Для научных и инженерных расчётов удобен модуль numpy.random. Он предоставляет быстрые векторизованные операции и множество распределений.

import numpy as np
# массив 3x2 случайных чисел из равномерного распределения [0,1)
arr_uni = np.random.random((3,2))
print(arr_uni)

# массив из нормального распределения N(0,1) размером (100,)
norm_arr = np.random.normal(0, 1, 100)
print(norm_arr.shape)

NumPy также поддерживает seed через numpy.random.seed() или более современный объект Generator.