random.randint(a, b)仅返回单个整数，不支持size参数；生成多个需列表推导式如[random.randint(1,10) for _ in range(5)]；要求不重复用random.sample(range(1,11),5)；大批量用np.random.randint(1,11,size=n)。
random.randint 生成单个随机整数没问题，但不能直接生成数组
很多人写 random.randint(1, 10, size=5) 会报错——randint 根本不接受 size 参数。它只返回一个整数，想得到多个，必须显式调用多次或配合循环/推导式。
常见错误现象：TypeError: randint() takes exactly 3 arguments (4 given) 或直接语法报错。
- 正确用法是
random.randint(a, b)，闭区间，含 a 和 b - 若需生成 5 个 [1, 10] 内的随机整数，得用列表推导式：
[random.randint(1, 10) for _ in range(5)] - 注意：每次调用都独立采样，无重复限制（可能重复）
需要不重复的随机整数数组？别硬套 randint，改用 random.sample
如果业务要求“从指定范围内选 n 个互不相同的随机整数”，random.randint 加去重逻辑（比如 while 循环 + set）既低效又难控终止条件。直接用 random.sample 更稳。
-
random.sample(range(1, 11), 5)—— 从 1 到 10（左闭右开）中无放回抽 5 个 - 注意
range(1, 11)对应数学上的 [1, 10]，和randint(1, 10)范围一致 - 若 n 大于可选总数（如
sample(range(1,5), 10)），会抛ValueError: Sample larger than population
大量数据或需 NumPy 加速时，换用 np.random.randint
当你要生成成千上万个随机整数，纯 Python 的列表推导式速度慢、内存占用高。这时候该切到 NumPy：
立即学习“Python免费学习笔记（深入）”；
-
np.random.randint(1, 11, size=10000)—— 注意：NumPy 的randint是左闭右开，即 [1, 11)，等价于 [1, 10] - 参数顺序和返回类型不同：
low、high、size，返回的是ndarray，不是 list - 旧版 NumPy（np.random.RandomState，新版推荐用
np.random.Generator实例，更可控且线程安全
生成结果要可复现？必须设 seed，但位置很关键
无论用 random 还是 np.random，设 seed 才能复现实验。但容易忽略的是：seed 只影响其后第一次随机调用前的状态。
- 写
random.seed(42); [random.randint(1,10) for _ in range(3)]没问题 - 但如果在 seed 前已调用过任何 random 函数（比如误触了
random.random()），seed 就失效了 - NumPy 同理：
np.random.seed(42)必须在首次生成前调用；新式Generator推荐：rng = np.random.default_rng(42); rng.integers(1, 11, size=5)
边界值处理和 seed 时机，是调试时最常被跳过的两个点。
