Python random模块基于MT19937伪随机算法，种子相同则序列确定，适用于模拟、测试等非安全场景；密码学用途须用secrets模块，其依赖系统熵源且不可重现。

Python 的 random 模块不是真随机

它用的是 Mersenne Twister（MT19937）算法，确定性伪随机——只要种子一样，生成的序列就完全相同。这不是 bug，是设计使然，但很多人误以为 random.random() 能满足密码学或高并发唯一 ID 场景。

• 适合模拟、测试、游戏逻辑等对“不可预测性”无硬要求的场景
• 不适合生成密钥、token、session id——得用 secrets 模块
• random.seed() 默认用系统时间，但多线程中若在同毫秒调用，可能撞种子；显式传入 os.urandom(8) 更稳

random.choice() 和 random.choices() 别混用

前者从序列里挑一个，不放回；后者默认可重复抽样，且支持权重。用错会导致结果偏差，尤其在抽样统计或 A/B 测试中。

• random.choice(['a','b','c'])：每次返回单个元素，等概率
• random.choices(['a','b','c'], weights=[0.1,0.8,0.1], k=5)：返回长度为 5 的列表，b 出现概率高，且允许重复
• 想“不放回抽多个”？用 random.sample()，它会报 ValueError 如果 k > len(population)，而 choices() 不会

用 random.shuffle() 改原列表，别指望返回新列表

它直接在原 list 上操作，返回 None。写成 new_list = random.shuffle(old_list) 会让 new_list 变成 None，后续调用 append 或 len 就崩了。

macOS UI 自动化技能包 —— 用 Python 控制你的 Mac

让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限

下载

• 正确做法：random.shuffle(my_list)，然后直接用 my_list
• 要保留原列表？先复制：shuffled = my_list.copy(); random.shuffle(shuffled)
• 对 tuple、str 等不可变类型，必须转成 list 再 shuffle，否则报 TypeError: 'tuple' object does not support item assignment

secrets 模块才是安全随机数的起点

secrets 用操作系统级熵源（如 Linux 的 /dev/urandom），不依赖种子，也不可重现。但很多人只在生成 token 时想起来用，却忽略它不支持浮点分布、没有 shuffle、也没有加权抽样。

立即学习“Python免费学习笔记（深入）”；

• 生成密码：secrets.token_urlsafe(16)
• 选一个选项：secrets.choice(['yes','no'])（注意：不支持 weights）
• 生成整数范围：secrets.randbelow(100)（等价于 [0, 99]），不是 randint(0,100)
• 想用 secrets 做正态分布？不行——得自己用 Box-Muller 等算法基于 secrets.randbits() 构造，成本高，多数情况没必要

真正难的不是选哪个函数，而是判断当前场景到底需不需要“不可预测”。加密、权限、防刷，必须用 secrets；模拟抛硬币、打乱播放列表、生成测试数据，random 完全够用，还更快更可控。