适用 Python 3.8+。仿真与测试使用
random，密码、令牌和安全选择必须使用secrets。
| 工具 | 随机源 | 适用场景 |
|---|---|---|
random |
确定性伪随机生成器 | 仿真、抽样、游戏、可复现测试 |
secrets |
操作系统提供的安全随机源 | 令牌、密码重置链接、安全选择 |
random.SystemRandom |
操作系统提供的随机源 | 需要 random 风格 API 的安全抽样 |
NumPy Generator |
独立的向量化伪随机生成器 | 科学计算和多维数组 |
random 默认核心生成器是 Mersenne Twister，可复现但不具备密码学安全性。
使用独立 Random 实例可避免修改模块级全局状态：
import random
rng = random.Random(42)
print(rng.random()) # [0.0, 1.0)
print(rng.uniform(1.0, 5.0))
print(rng.randint(1, 6)) # 两端都包含
print(rng.randrange(0, 10)) # 不包含 10
print(rng.choice(["A", "B", "C"]))
print(rng.sample(range(10), k=3)) # 不放回抽样
items = [1, 2, 3, 4]
rng.shuffle(items) # 原地打乱并返回 Nonechoices() 支持放回抽样和权重：
import random
rng = random.Random(7)
result = rng.choices(
population=["common", "rare"],
weights=[95, 5],
k=5,
)
print(result)安全令牌使用 secrets：
import secrets
token = secrets.token_urlsafe(32)
code = "".join(secrets.choice("0123456789") for _ in range(6))
print(len(token) > 32) # True
print(len(code)) # 6相同种子使伪随机状态从同一起点演化，因此同一调用序列可复现：
import random
first = random.Random(123)
second = random.Random(123)
print([first.randrange(100) for _ in range(4)])
print([second.randrange(100) for _ in range(4)])复现依赖种子、调用顺序和受控的软件环境。并发共享同一个生成器会让调用顺序不稳定；测试中可为每个任务提供独立实例。
NumPy 使用独立随机状态，调用 random.seed() 不会设置 NumPy 生成器。现代代码使用 default_rng()：
# 需要额外安装 NumPy
import numpy as np
rng = np.random.default_rng(42)
values = rng.integers(0, 10, size=(2, 3))
print(values)- 不要用
random生成会话令牌、验证码密钥或密码；使用secrets。 - 不要在每次取样前重新设置种子，这会重复产生相同模式。
randint(a, b)包含b，randrange(a, b)不包含b。sample()不放回，choices()默认放回；前者要求k不超过总体大小。shuffle()原地修改列表并返回None。- 安全令牌应有足够熵、设置有效期并在服务端安全存储；随机性不能替代完整安全设计。
| 问题 | 结论 |
|---|---|
| 伪随机是否等于不可预测？ | 不等于；已知状态或种子时序列可预测 |
random 与 secrets 如何选择？ |
普通仿真用前者，任何安全用途用后者 |
sample 与 choices 有何区别？ |
前者不放回，后者默认放回且支持权重 |
seed() 的主要用途是什么？ |
让受控环境中的伪随机调用序列可复现 |
NumPy 是否共享 random 的种子？ |
不共享，应独立创建和传递 NumPy Generator |