python randomの使い方と主要関数を徹底解説！乱数生成の基礎から応用例まで完全網羅

Pythonで「random」モジュールが分からず、思い通りに乱数が作れなくて悩んでいませんか？「randint」と「randrange」の違いが曖昧なまま、間違って整数範囲を指定して意図しない値が出てしまった経験はありませんか？現場では、乱数の用途に合わせて関数を正しく選ぶことが、ミスを防ぐカギになります。

例えば統計分析やシミュレーション開発では、精度の高いデータ生成が1件のミスで大きな損失につながることも珍しくありません。乱数生成の再現性（＝シード値管理）は、データサイエンスやAI開発でも重要ポイントです。実務では100個以上の大量乱数を生成し、重複を避けたり、リストをシャッフルするなど、多彩な応用が現場レベルで求められます。

本記事では、「random」関数群の特徴や間違いやすい落とし穴、モジュールの実践的な活用法を具体例で徹底解説。トラブル事例や最新のパフォーマンス改善技術まで、現役エンジニアが実体験と豊富なデータを元に丁寧にお届けします。

知らないまま使い続けると、検証不能なバグや不正確なデータ作成で「評価損失」が生まれるリスクも。あなたもPythonのrandomモジュールを正しく理解し、安心して乱数処理ができるスキルを手に入れてください。続きでは、すぐ役立つ「基本から応用までの完全ガイド」を、実例とともに詳しく紹介します。

python randomについての基本概要と使い方を完全理解する

python randomとは？モジュールの役割と基本特徴 – 初心者視点で乱数生成の基礎をしっかり押さえる

python randomは、プログラム内でランダムな数値や値を生成する標準モジュールです。数値だけではなく、リストや文字列からのランダム抽出やシャッフルも簡単に実装できます。例えばゲームのサイコロや抽選、データ分析のサンプリング処理、ランダムなID作成など多用途で利用されます。

主な特徴は以下の通りです。

• 標準ライブラリのため追加インストール不要

• 整数や浮動小数、シーケンスのランダム選択が可能

• シード値を指定すれば乱数生成の再現ができる

python randomモジュールを使うことで、誰でも一貫性のある乱数処理が実現できます。

import randomとは何か？モジュール読み込みの基礎知識 – エラー防止のための正しい使い方を解説

randomを使う際は、まず最初にimport randomと記述してpythonプログラムに読み込みます。これを記載しないとrandomモジュールは利用できずエラーとなるため注意が必要です。

import方法の例：

エラーを防ぐポイントは、スクリプトの冒頭にimport randomを明記することです。モジュールの重複インストールやパッケージのバージョン違いを気にする必要はなく、python標準ライブラリとして手軽に利用できます。

python randomが使えない時の主な原因と解決法 – 環境依存やエラー事例を具体的に示し対処法を丁寧に整理

randomモジュールが使えない場合、主に下記のような理由があります。

• import漏れ：import randomを記載していない

• ファイル名の衝突：自身のファイル名がrandom.pyだとモジュール参照エラーが発生しやすい

• python環境の不具合：環境変数やインタプリタの問題

• バージョン違い：まれに古いpython環境では一部関数未対応

よくあるエラー例と対処法

エラーが発生した場合は、まずファイル名やimport文、関数名を丁寧に確認しましょう。

randomモジュールで生成される乱数の種類と仕組み – 擬似乱数の特徴や再現性の重要性について技術的に解説

python randomで生成される乱数は、コンピュータ上で演算によって作られる擬似乱数です。完全な真のランダムではないものの、多くの場合十分なランダム性が得られます。

乱数には以下の種類があります。

• 整数の乱数生成：random.randint(a, b)で範囲指定

• 浮動小数点の乱数：random.random()やrandom.uniform(a, b)

• リスト・文字列からの抽選：random.choice、random.choices（重み指定も可）、random.sample（重複なし）

• リストの並べ替え：random.shuffle

再現性が重要な場面では、random.seed(任意の値)を使います。これにより、同じ乱数列を何度でも生成可能です。例えば機械学習やテスト自動化、再現実験に役立ちます。正規分布の乱数が必要な場合はrandom.gaussやnumpy.random.normalを使い分けましょう。

このように多彩な乱数機能を場面に応じて柔軟に使いこなすことで、pythonのデータ処理やアルゴリズム開発が一段と効率化します。

python randomの主要乱数生成関数と用途別の使い分け完全ガイド

Pythonのrandomモジュールは、乱数生成に関する幅広い関数を提供しています。さまざまなデータ型や生成範囲に応じて適切な関数を選ぶことで、整数、浮動小数点数、文字列、リストなど多様な用途に対応できます。

下記のテーブルで主要関数とその特徴、用途を比較します。

また、日本語のランダム文字列や2値（0,1）の出力も以下のように可能です。

• 整数の範囲指定: 乱数で点数やテスト用データを生成

• 文字列のランダム化: 文字列の要素をランダムな順で取得、シャッフルしたい場合に活用

• 重み付き選択: random.choicesにweights引数を指定して重みを反映

random.random()、randint()、randrange()、uniform()の具体的違いと実用例 – 文字列・整数・浮動小数点のランダム生成を網羅

それぞれの関数は、生成するデータ型と範囲が異なります。以下に特長を解説します。

1. random.random()

   • 0以上1未満の浮動小数点数を生成。
   • 確率シミュレーションや標準的な一様乱数生成に便利です。

2. random.randint(a, b)

   • a以上b以下の整数値を1つ返します。
   • サイコロやくじ引き、点数のランダム生成に最適です。

3. random.randrange(a, b, step)

   • a以上b未満でstep刻みの整数を返します。step指定ができ柔軟な範囲設定が可能。
   • 例: 2から10未満の偶数→random.randrange(2, 10, 2)

4. random.uniform(a, b)

   • a以上b以下のfloatを返します。より細かい範囲で数値が欲しい時に使います。

例

• パスワードの桁数を指定してランダムな数値を作りたい場合はrandom.randintやrandom.choicesがおすすめです。

• ランダムな並び替えや文字列シャッフルにはrandom.shuffleやrandom.sampleが役立ちます。

python randomでseedを設定する方法と再現性を高める実践テクニック – シード値の利用シーンやトラブル回避法も詳細に解説

ランダムな処理の再現性を持たせるにはrandom.seed()が不可欠です。これは乱数生成器の初期値を固定することで、同じ乱数列を何度でも得るために使います。

• 使い方:

  統一した結果が欲しい場合、import random後すぐにrandom.seed(任意の整数)を指定します。

• 利用シーン:

  アルゴリズムの検証や機械学習の学習テスト、ランダムサンプリングの結果確認などで活用されます。

注意ポイント

• 異なるプラットフォームやバージョン間で完全に同じ結果が得られない場合があります。

• seedの設定忘れで予期せぬ出力になることがあるため、再現性が必要な場面では必ずseedを設定しましょう。

• モジュールのインポート順や乱数消費のコード変更にも注意が必要です。

トラブル回避法

• テストや検証用プログラムでは冒頭でseedを必ず設定し、乱数の一貫性を保つと安心です。

python randomのrandintの用法の注意点と範囲指定の落とし穴 – 両端含みの仕様理解と誤用防止を具体例で紹介

random.randint(a, b)はa以上b以下の整数を返す関数で、両端が含まれる仕様になっています。この両端含みの挙動を誤ると、意図と異なる乱数範囲になるため注意が必要です。

• 例えば: 乱数で0～9の数字を作りたい場合、random.randint(0, 9)を使います。

• 一方random.randrange(0, 10)も同じ0～9ですが、randrangeは上限（10）が含まれません。

• 誤用事例: 閉区間と開区間の違いを混同し、リストindex参照時のエラー原因になることもあります。

正しい範囲指定のコツ

• リストから乱数indexで要素を取り出すときは、len(list)-1までやrange対応を意識してください。

• サイコロの目（1～6）はrandom.randint(1, 6)でOKですが、range仕様と混同しないことが大切です。

厳密な範囲指定が求められる処理や桁数を間違えたくない場面では、関数ごとの仕様や境界値に細心の注意を払いましょう。

python randomのchoiceとshuffleを極める：リスト・文字列操作の応用技術

python randomのchoiceによる重み付き選択とランダム要素取得の応用法 – 基本から重み付け実装まで丁寧に解説

Pythonのrandomモジュールはリストやシーケンスからランダムに要素を選ぶ「choice」、重みを付けて選択できる「choices」など、多様な関数を備えています。choice関数はリスト・文字列問わず1要素をランダム取得できます。重複を避けたい場合はsample関数を使用します。
さらにchoices関数は「weights」引数によって重み付き選択も可能です。例えばジャンケンの手をランダムに選ぶ場合や、出現確率を操作したい際に最適です。

ポイント

• 文字列から1文字をランダム選択可能

• 重み指定で出現確率を自在に調整できる

• sampleで複数要素の重複なし抽出可

要素選択がエラーとなる場合には、シーケンスやリストであるか、空になっていないかを再確認しましょう。

python randomのshuffleの使い方と効果的な並び替えテクニック – 大規模リスト対応例やパフォーマンス面の工夫も紹介

random.shuffleでリストの要素順をランダムにシャッフルできます。注意点として、文字列には直接使えず、まずリストに変換する必要があります。数千〜数万要素の大規模リストにも高速で対応し、ゲームのカードシャッフルやデータ分析時のサンプル分割など幅広い用途に適しています。

パフォーマンス面を考慮する場合、元のリストを変更せず新しいリストで並び替えたい時は以下のような実装が効果的です。

1. list()でコピーを作成
2. shuffleで順序変更
3. 変更前後の状態を比較可能に

使いどころ例

• データサンプルのランダム分割

• テストデータの作成

• ゲームのランダムイベント生成

リスト以外（タプル等）はまずlistに型変換しましょう。shuffleを利用した後は、元リストの順序が書き換わっているため注意が必要です。

pythonで文字列をランダムに並び替える・pythonでランダム文字列を重複なしで生成する方法 – 文字列操作に特化した実践的コード例を多数掲載

Pythonで文字列をランダムに並び替えるには、list()で分割→shuffle→join()で再結合が定番です。重複なしでランダムな文字列や英数字を生成したい場合は、標準のstringモジュールやrandom.sampleを組み合わせます。

ランダム並び替え例

1. list変換：chars = list('Python')
2. shuffle：random.shuffle(chars)
3. joinで文字列化：''.join(chars)

重複なしランダム文字列生成の例

• 英字大文字：random.sample(string.ascii_uppercase, 桁数)

• 英数字混合：random.sample(string.ascii_letters + string.digits, 桁数)

• 日本語や記号も同様にリスト化して利用可能

注意点

• sampleで指定桁数が元の文字数を超えないように設定

• 重複可ならchoicesも利用可能

ランダムなID・パスワード生成や、データの匿名化、テスト用ダミーデータ作成など幅広い応用が可能です。使用目的や用途に合わせて、choice・sample・shuffleを使い分けることで柔軟な文字列操作が行えます。

応用：python randomを使った重複なし抽出、二値乱数、確率分布に基づく生成のテクニック

python randomによる重複なし抽出の方法とサンプリング手法比較 – set・リスト・numpy利用のメリットデメリットを徹底検証

重複なしのランダム抽出は、データ分析やゲーム開発など多様な場面で重要です。Pythonではrandom.sample()が標準的な方法であり、指定リストから重複を排除して要素を取得できます。
主な手法の特徴を下記テーブルでまとめます。

random.sampleの例

import random
mylist = [1, 2, 3, 4, 5]
result = random.sample(mylist, 3)

リスト以外への応用や効率性、高度な組み合わせ抽出を求める場合は、numpyやsetの活用も検討してください。

python randomを使った二値乱数生成の実装例と実務での活用場面 – 条件付き乱数生成、桁数指定の詳細な手法と注意点

二値（0または1）の乱数生成にはrandom.randint(0, 1)やrandom.choice([0, 1])が使えます。バイナリフラグ、条件分岐、機械学習の擬似ラベル生成で活用されています。

二値乱数生成例

import random
bit = random.randint(0, 1)

桁数指定の乱数
数字や文字列の乱数で桁数指定したい場合は、random.choicesとstringモジュールを組み合わせます。

• 数字で4桁抽出:

  ''.join(random.choices('0123456789', k=4))

乱数生成時は、同じシード値を指定すると毎回同じ結果になり、再現可能になります。暗号学的な用途ではsecretsの利用も検討すると安全性が向上します。

python randomによる正規分布・一様分布・ガウス分布の乱数生成の仕組みと使い分け – scipyやnumpyとの連携も含め正確に説明

正規分布や一様分布の乱数は、データ解析やモデリングに不可欠です。Pythonのrandomモジュールでは一様分布にrandom.uniform(a, b)、ガウス分布にrandom.gauss(mu, sigma)が使えます。

より厳密・大規模な配列生成や多様な分布を使いたい場合はnumpy.random.normalやscipy.statsを推奨します。
randomは手軽な単発生成、numpyはベクトル化や大量生成に強みがあります。
正規分布の乱数生成では、引数には必ず平均(mu)、標準偏差(sigma)を指定し、目的に応じた分布パラメータにすることが重要です。

python randomの利用時に直面するトラブルと対策完全マニュアル

import randomで起こるエラー・モジュール未検出問題の原因と対処法 – 環境設定、パス問題、Pythonバージョン依存を網羅的に解説

pythonでrandomモジュールをimportしようとしたときにエラーが発生するケースは少なくありません。特に「ModuleNotFoundError」や「ImportError」は環境やパス設定の問題で起こりやすいです。主な原因と具体的な対処法を以下の表にまとめました。

こうしたトラブルを防ぐには、常に公式ドキュメントを確認し、ファイル管理や環境設定を丁寧に行うことが重要です。

python randomが使えない・機能制限に関するFAQまとめ – 代表的なトラブル事例とその詳細な解決策を事例付きで紹介

python randomが正常に動作しない、希望の乱数生成ができない場合にはいくつかよくある原因があります。下記の典型事例と具体的な解決策を紹介します。

• random.randintが希望範囲で動作しない

  → 引数の指定ミスが多いです。randint(a, b)はaからbの両端を含みます。例：「random.randint(1, 10)」は1から10までの整数。

• リスト要素から重複なしで抽出したい

  → random.sample(mylist, k)を使用。kには欲しい要素数、リストが短い場合エラーになる点に注意。

• 正規分布など特殊な分布の乱数が必要

  → random.gauss(mu, sigma)やrandom.normalvariate(mu, sigma)を利用。大量生成や配列の場合はnumpy.randomの使用がおすすめ。

• random.shuffleが元リストを直接変更する

  → 元のリストが変更されるので、必要な場合は事前にコピーする。

• random seedが効かない

  → 乱数の再現性を得たい場合、毎回random.seed(数値)をコードの最初に記述。

これらの基本事項を押さえることでrandom関連の誤作動や混乱を防げます。

python randomのセキュリティ上の注意点と真の乱数との違い – 擬似乱数の限界と安全性の確保方法について具体的に言及

python randomモジュールで生成される乱数は擬似乱数であり、完全なランダム性やセキュリティが求められる用途には不向きです。主な特徴とセキュリティ利用時の注意点を整理しました。

• アルゴリズムの特性

  randomは内部でメルセンヌ・ツイスタ法などを利用しており、同じseed値を使うと全く同じ乱数列を再現可能です。

• 安全性が求められる用途

  パスワードやトークン生成、暗号用途などセキュリティ重要度が高い場面ではrandomは「使えない」ため非推奨です。

• 安全な乱数の生成方法

  その場合はsecretsモジュールやos.urandom関数等、強度の高い乱数生成手段を利用してください。

この違いを意識し、用途別にモジュールを選択することがセキュリティ対策では必須です。

python randomと他の乱数ライブラリを比較する｜numpy.randomやuuid、scipyとの使い分け完全理解

python randomとnp.randomの詳細な機能比較とパフォーマンス差 – 標準randomとの使いどころを明確に示し、用途別ベストプラクティスを提示

Pythonで乱数を扱う際、標準ライブラリのrandomとNumPyのnp.randomでは特性や適したシーンが異なります。
randomは標準ライブラリであり追加インストールなしに利用でき、日常的なプログラミングから簡単なデータシャッフル、整数や小数乱数、リストからのランダム選択（choice）、文字列生成などに使われています。
一方、np.randomは科学技術計算、統計処理、シミュレーションなど大量の乱数や分布に従う乱数生成で圧倒的なパフォーマンスを発揮します。
以下のテーブルで両者の主な違いを整理します。

使い分けのポイント

• 簡単な抽選・ゲーム・日常スクリプトはrandom

• データサイエンスやAI用途、大量データ・分布活用はnp.random

pythonでランダム文字列をuuidで生成する方法とユニーク性の重要性 – uuid4を中心にユースケースと生成法の違いを詳解

ユニークなランダム文字列が必要な場合、標準のrandomやchoiceでも生成できますが、一意性を担保するにはuuidモジュールの使用が推奨されます。
uuid4はグローバルにユニークな128ビット乱数値をベースにしたID生成器で、ユーザーIDやセッションID、ファイル名の一意性確保に最適です。

主な文字列生成方法比較

uuid4で生成された文字列は重複が発生せず、スケーラブルなアプリケーションでも安全に利用可能です。Pythonでの生成例はimport uuid; print(uuid.uuid4())とするだけでUUIDが得られます。

pythonで正規分布乱数をnumpyやscipyで高度に生成する応用例 – 科学技術計算や機械学習に向けた実践的な使い方を具体例付きで解説

正規分布（ガウス分布）に従う乱数は、金融工学やAI、統計解析、シミュレーション分野で非常に重要です。
標準randomモジュールでもrandom.gauss()やrandom.normalvariate()で正規分布乱数を生成できますが、多数のサンプルや多次元配列にはNumPyやSciPyの活用が圧倒的に有利です。

代表的な生成方法

• random.gauss(mu, sigma)：単発の正規分布乱数

• np.random.normal(loc, scale, size)：複数・配列でも高速生成

• scipy.stats.norm.rvs(loc, scale, size)：より高度な分布制御・確率密度関数も利用可

実際のコードでは、例えばnp.random.normal(0, 1, 1000)で平均0、標準偏差1の1000個の乱数を即座に用意できます。大量データや多次元分析にはNumPy、分布の高度な活用や乱数検定にはSciPyを使い分けることで効率的なデータ処理が実現します。

python randomを用いた実務応用事例と高度な乱数活用テクニック集

pythonで乱数を100個以上大量生成する効率的コード設計 – 大量データ作成時の最適なループやジェネレータ技術を紹介

大量の乱数データを作成する際、pythonのrandomモジュールは非常に強力です。効率良く乱数を生成するには、リスト内包表記やジェネレータを積極的に活用しましょう。例えば、100個の整数乱数を一度に生成するには下記のテーブルの方法が最適です。

ポイント

• リスト内包表記で高速データ作成

• random.seed()を活用すると再現性が確保できる

• ジェネレータは必要なときのみ値を取り出せ大規模データ処理で有利です

pythonランダムリストの作成・抽出に役立つ実践的なテクニック集 – サンプリングや配列操作における具体的手法を深化解説

リスト操作では、ランダムなサンプリングや重複なし抽出もよく利用されます。標準ライブラリのrandomモジュールを使うことで柔軟に対応が可能です。

主なリスト操作手法は以下の通りです。

• random.choice(mylist)：リストから1つランダムに選択

• random.choices(mylist, k=3)：複数（重複あり）取得

• random.sample(mylist, k=3)：重複なしで複数抽出

• random.shuffle(mylist)：リストの順序をランダムに並び替え

実践テクニック

• 重みを付けて選びたい場合はchoicesにweightsパラメータを指定

• 数値だけでなく、文字列をランダム並び替えしたり、日本語や記号も扱える

• 大量のデータ抽出で重複を避ける場合はsampleを必ず使用

python randomを使ったゲームやシミュレーション開発事例 – 確率イベント設定や難易度調整に役立つ実装アイデア満載

ゲームやシミュレーション開発では、ランダム性が重要な役割を果たします。イベント発生や敵の行動、報酬処理など、あらゆるシーンで乱数利用が必須となります。

よく使われる処理例

• サイコロやくじ引きはrandintやchoiceで再現

• アイテムドロップの確率を調整したい場合はchoicesのweightsで実装

• 難易度調整や敵のアルゴリズムにもランダム値で多様性を演出

シミュレーション分野で有用な乱数分布

• random.gauss(mu, sigma)で正規分布、random.expovariate(lambd)で指数分布の乱数生成が可能

• 複雑な分布や大規模データはnumpyのnumpy.randomも活用推奨

注意点（品質向上）

• シード値設定でテストの再現性を確保

• ゲームロジックの偏りをなくすため、パラメータ設計は慎重に行う

様々なrandom関連関数を効果的に組み合わせることで、pythonによる高度な乱数活用と実務に直結する応用が可能です。

高度なpython random活用法：パフォーマンス最適化や乱数品質向上、カスタム乱数生成手法

python randomモジュールの高速化テクニックと大量データ処理 – マルチスレッドやC拡張との連携による性能向上策を紹介

python randomモジュールは手軽な乱数生成が可能ですが、大量データや高頻度なランダム処理ではパフォーマンスが課題になることがあります。標準randomモジュールは純粋なPython実装のため、大きなリストのshuffleやchoiceを大量に繰り返すと処理速度がネックになる場合があります。このような時は、NumPyの乱数生成（numpy.random）を活用することで大幅な高速化が期待できます。特に配列全体へのランダム操作や一様乱数・正規分布乱数の大量生成に強みがあります。

また、マルチスレッド環境で random を使う場合はスレッドごとに独立したRandomインスタンスを生成することが望まれます。Python標準のRandomクラスはグローバル状態を持つため、個別にRandom(seed)を実装し、シード値を管理することで並列処理時の安全性を高められます。

大量処理時やAI/機械学習、データ分析分野ではrandomの高速性と正確性が重要です。

python randomのシード変更で再現性とテストカバレッジを高める技術 – 品質管理とバグ検出に必須の利用法を詳細に解説

乱数の再現性は実験や機械学習の検証、テスト自動化で必須です。python randomモジュールはrandom.seed()でシード値を指定できます。これによって毎回同じ乱数列を再現可能となり、バグの検出や品質管理が効率化します。

再現性の確保は、仕様変更や環境の違いによるテスト結果の変動を防ぐためにも重要です。シード値を明示的にセットすることで、同じ入力から同じ出力を得ることができ、プログラムの頑健性が向上します。

• random.seed(任意の数値)で初期化し、期待通りの乱数結果を毎回実現できる

• テストケースやAIモデル評価時には固定シードで比較検証しやすい

プログラムの先頭や関数内でシード値を管理することで信頼性の高い結果が得られます。

python randomによる記号・大文字・日本語など多種多様な文字列生成 – 実務で求められる多言語・多種別ランダムデータ作成の実例

python randomは英数字だけでなく、記号や日本語、大文字小文字を含む多様な文字列生成にも活用できます。文字種のリストを作成し、random.choiceやrandom.choicesを用いることで必要なパターンを柔軟に生成できます。重複なしのランダム文字列ならrandom.sampleを組み合わせるのが有効です。

• パスワードや認証コード、データテスト用のランダムデータ作成など、実務でも頻繁に要求されます。

• 桁数指定や重複なし生成、特定文字種の割合調整も共起語「重み」オプションでコントロール可能です。

リスト型やシーケンス型データでランダム化したいときはrandom.shuffleが便利で、インデックスをランダムに並び替えてデータ分散やテストデータ準備を効率化します。

python randomに関するQ&Aとワード逆引き辞典的解説セクション

python randomのseed効果的な使い方と注意点 – ビギナーから上級者まで必読の実践ポイント集

random.seed()関数を利用することで、乱数生成の「再現性」を持たせることができます。たとえば、機械学習の検証やテストデータの再現が必要な場合、シード値を指定しておくことで毎回同じ乱数列を得られます。一方、毎回異なるランダム値を求めたい時には、seed()を使わないか、システム時刻など可変値を設定するとよいでしょう。

シード設定時の注意点

• 同じseed値なら常に同じ乱数列が出力される

• 途中でseedを再設定すると以降の乱数列に影響

• セキュリティ用途にはsecretsモジュール推奨

seedをうまく活用すれば、同じ条件下でプログラムを動作・検証できるので大変便利です。

python randomの関数使い分けと他ライブラリ比較 – 選択・導入時によくある疑問を丁寧に紐解く

python randomモジュールには用途ごとに複数の関数が用意されています。整数乱数の生成にはrandintやrandrange、リストから要素選択ならchoiceやsample、シャッフルにはshuffleを使います。

配列や多次元データ、正規分布乱数生成など統計的な処理が必要な場合は、numpy.randomやsecretsも検討するとよいでしょう。

python randomによる正規分布・一様分布の実装差異と使い道 – 数学的背景を踏まえた実装面での比較と活用指針

一様分布による乱数はrandom.uniform(a, b)やrandom.random()で生成できます。これは指定した範囲に対して全ての値が同じ確率で生成されます。

一方、正規分布（ガウス分布）の乱数はrandom.gauss(mu, sigma)やrandom.normalvariate(mu, sigma)で得られます。中心の平均値（mu）付近が最も出やすく、データ分析・シミュレーションで活用されます。

大量のサンプリングや多変量分布などはnumpy.randomの方が高速かつ高機能でおすすめです。

python randomが使えない時の現象別対応マニュアル – トラブルシューティングをケースごとに完璧整理

python randomの関数が「使えない」「動かない」といったエラー発生時は原因別に切り分けるのが重要です。

• import忘れ

  対策: ファイル冒頭にimport randomを必ず記述

• スペルミス

  対策: randint, choice, shuffleなど正しい名称で記載

• 引数エラー

  例えばrandint(5) のように引数が不足
  対策:* API仕様に沿って必要な引数全てを指定

• インストール問題

  randomは標準ライブラリなので別途インストールは不要
  対策:* python環境が正しく動作しているか確認

• numpyとの混在エラー

  *randomとnumpy.randomを混用する場合は関数の仕様に注意

このようなポイントをチェックし、エラー時はエラーメッセージやドキュメントを確認するとスムーズに解決できます。