计算机二级Python中的random库从题型解析到上机实操全攻略每年计算机二级考试一到考前冲刺阶段问得最多的问题就是random库到底要掌握哪些函数洗牌和抽样用的都是哪个方法——说实话这个库在Python标准库里属于看着容易、考起来很刁钻的类型。它不像print、for循环那样一看就懂但因为它出题组合性强选择题一道、编程题经常作为功能模块被嵌套在应用题里所以备考阶段花半天时间把它彻底吃透性价比其实非常高。这篇文章我把random库在二级考试里可能出现的所有考察角度过一遍先看清楚考纲到底圈定了什么范围再把核心函数的用法逐个拆开结合考试常见题型给出可以直接背诵的代码模板最后分享几个我在上机练习时踩过的坑。不管是刚开始复习还是临近考试想突击按这个顺序过一遍都能把random相关的分拿稳。1. 先摸清二级考试对random库的圈题范围很多同学备考标准库时有个误区看到官方文档一大堆函数就慌觉得每个都要背。实际上计算机二级Python科目考试代码Python大纲对应《全国计算机等级考试二级Python语言程序设计考试大纲》对random库的考察范围非常明确不会超纲到让你手写Mersenne Twister算法也不会考random模块底层实现的数学原理。你得先知道它的边界复习才不会扔进大海捞针。1.1 考纲规定的必备函数清单我对照大纲和历年真题把random库在二级考试中的高频函数整理如下函数功能出题频率备注random.random()生成[0.0, 1.0)的随机浮点数极高选择、程序填空都常客random.uniform(a, b)生成[a, b]或[a, b)区间的随机浮点数中注意两端点的开闭规则random.randint(a, b)生成[a, b]的随机整数极高两端都是闭区间random.randrange(start, stop[, step])按步长在某范围内选整数高与range规则完全一致random.choice(seq)从序列中随机选一个元素高序列可为列表、字符串、元组random.choices(seq, weightsNone, k1)可带权重地选k个元素可重复中低新大纲边缘考点random.sample(seq, k)从序列中不重复地抽k个元素中返回新列表不修改原序列random.shuffle(seq)原地打乱序列顺序高会修改原列表random.seed(aNone)初始化随机数种子极高上机题复现结果的关键这9个函数就是复习主线。其余的random.getstate()、random.setstate()、random.getrandbits()在二级大纲里基本不考备考时可以先放一边。有精力的同学了解名字就行不要在边上耗时间。1.2 二级真题里的random库到底怎么出从真题分布来看random库在考试里的出场方式大概有三种选择题直接考函数含义与参数比如给一段代码问输出结果是什么或者给一个需求让选能实现这个功能的函数。这种题考察的是你对函数边界条件的理解比如randint(1, 5)到底包不包括5random()的范围到底是[0,1)还是[0,1]。程序填空题考函数调用与参数搭配给你半个程序让你填出缺失的random函数调用。这类题通常埋在模拟类、抽奖类、抽样统计类的小程序里。程序设计题把random作为功能模块比如让你生成随机验证码、随机点名器、掷骰子模拟、抽样求平均值等。这种情况下一般不会单独考random而是要求你综合运用列表、循环、条件判断random只管产生随机性这一步。所以结论很直接备考策略不是把random库文档背下来而是把上面9个函数的输入参数、输出范围、是否原地修改、是否可重复这四个维度的边界记牢然后通过刷题把函数组合使用的感觉练出来。2. 核心函数逐个拆解参数边界比函数名更重要random库的函数用法说穿了没有什么高深的东西但考试最喜欢在边界条件上做文章。我对每个核心函数做一个带陷阱标注的拆解这些细节都是历年考生栽过跟头的地方。2.1 random.random()与random.uniform()浮点数里的开闭区间先看最简单的。import random # random.random()生成[0.0, 1.0)之间的随机浮点数 x random.random() print(x) # 可能输出 0.0但永远不可能输出 1.0random.random()不接收任何参数每次调用返回一个float类型的数据范围是左闭右开——0.0可能被取到1.0永远取不到。这个右开设计不是因为偷懒而是和计算机表示概率区间的习惯一致当你需要生成某范围内的小数时[0, 1)这个区间做线性变换更不容易越界。random.uniform(a, b)则是在两个指定数之间生成随机浮点数y random.uniform(2, 3) # 生成[2, 3]之间的浮点数也可能等于3.0这里有个很容易混淆的点官方文档写的是返回a与b之间的随机浮点数包含两端点取决于浮点舍入。也就是说理论上uniform(2, 3)有可能返回2.0也有可能返回3.0但实际上由于浮点精度问题取到端点的概率极小。考试判断题如果写uniform产生的数不包含端点那是错的如果写包含端点在官方语义上算对。复习时知道它和random()的区别random()是固定的[0,1)半开区间uniform(a,b)与端点关系更宽松。我个人建议大家记忆时用这样一个口诀random()看成一个标准的电子骰子——最小为0永远掷不出1uniform(a,b)就是把这个骰子搬到a和b之间端点理论上可能碰到。这样在选择题里判断范围时就不容易出错。2.2 randint与randrange整数取值的两副面孔整数随机是考试出题率最高的点randint和randrange经常混着考。# randint(a, b)闭区间[a, b]两端都包含 a random.randint(1, 6) # 模拟掷骰子1, 2, 3, 4, 5, 6 都算合法输出 print(a) # randrange(start, stop, step)与range规则一致包含start不包含stop b random.randrange(0, 10, 2) # 可能输出0, 2, 4, 6, 8不可能输出10 c random.randrange(10) # 等价于randrange(0, 10)输出0~9关键差异在于randint(1, 6)的右边界6是闭的能输出6而randrange(0, 10)的右边界10是开的永远输出不了10。类比一下randint像是抽中头和尾都算数的福利彩票randrange更像是range()那个序列生成器——写range(0, 10)的时候你也知道生成的数不到10。另外randrange支持步长参数这在模拟等差数列随机抽取时很实用。二级考试里出现过这样一道选择题random.randrange(1, 10, 3)问可能的输出是哪个。分析一下1到9因为右开之间步长为3所以可能值是1, 4, 7——10不可能2不可能0也不可能。这种题考的就是你知不知道它和range的规则完全一致。2.3 choice、choices与sample抽一个、抽多个可重复、抽多个不重复这三个是抽样家族但它们之间最容易搞混。# choice从一个非空序列中随机选一个元素 seq [一等奖, 二等奖, 三等奖, 谢谢参与] prize random.choice(seq) print(prize) # 四者之一 # choices可带权重地抽k个允许重复 results random.choices([红, 绿, 蓝], weights[5, 3, 2], k10) print(results) # 可能输出 [红, 蓝, 红, 红, 绿, ...] # 注意列表长度为k很可能出现重复元素 # sample不重复地抽k个返回新列表 sampled random.sample(range(100), 10) print(sampled) # 从0~99中抽取10个不重复的编号三者区别用生活化类比解释choice是从碗里拿一颗糖choices是从碗里拿糖拿一颗记一下口味放回去再拿一颗又放回去……于是可能连续两次拿到同一个口味sample是一把抓走k颗糖碗里带走的不可能重复而且原碗里的糖总数会变少。考试中最常见的出题点是sample抽取后原序列不变只是返回一个新的列表choices的权重参数是weights传入的权重大小对应每个元素被选中的概率权重。注意choices的k不写默认为1此时返回的是一个列表而不是单个元素——random.choices(seq)的结果是[x]这种单元素列表和random.choice(seq)返回x不同。这个细节在判断题、程序输出结果题里容易被设坑。2.4 shuffle会原地改原列表的破坏性操作random.shuffle(seq)的作用是把列表顺序随机打乱。它的关键点在于直接修改原列表且返回值为None。cards [1, 2, 3, 4, 5] result random.shuffle(cards) print(cards) # 顺序可能变成 [3, 1, 5, 2, 4] 之类 print(result) # 输出 None很多初学者在这里踩坑写了new_list random.shuffle(old_list)然后发现new_list是None——这是因为shuffle是原地操作不是返回新列表。如果你需要保留原列表得先复制再打乱import copy original [1, 2, 3, 4, 5] temp copy.copy(original) # 或 original[:] random.shuffle(temp) print(original) # 不受影响 print(temp) # 打乱后的副本另外shuffle只对可变序列有效比如列表字符串和元组是不可变类型无法原地shuffle。如果想打乱字符串正确做法是先转成列表、打乱、再重新拼接。真题里有道程序填空题就是把字符串转列表、shuffle、再join这个套路背下来。s abcd lst list(s) random.shuffle(lst) s_shuffled .join(lst) print(s_shuffled) # 四字母随机重排2.5 seed让随机变成可复现上机考试的关键点random.seed(a)是设置随机数种子的函数。同一台机器上只要种子相同随后生成的随机数序列就完全一致。这个特性在二级考试里的作用极其重要——因为上机评卷需要可重复性。random.seed(10) print(random.randint(1, 100)) # 第一次运行输出某个值 print(random.randint(1, 100)) # 第二次运行输出另一个值 random.seed(10) # 重新设定同样的种子 print(random.randint(1, 100)) # 又回到了第一次运行时的第一个值 print(random.randint(1, 100)) # 第二次运行时的第二个值这个机制背后的原理是random库用的是伪随机数生成器伪随机并不是真正不可预测而是由一个初始种子通过确定性的数学运算不断迭代产生数列。种子就是这条数列的起点起点一样后面的数列必然一样。二级考试常见的做法是在程序开头给定random.seed(x)这样的固定种子评卷时侯的测试用例里有指定然后你后面的代码在同一个种子的约束下输出结果应该是确定的。这就意味着代码逻辑必须严格按评卷程序期望的调用顺序来写不能随意在中间多加一次random调用——你多调用一次序列就整体往后跳一格最终结果就和答案对不上了。这个坑我在第4节会展开讲。3. 随机种子与伪随机原理理解这个很多选择题就不用背random库考来考去绕不开伪随机这三个字。如果你只记函数签名而不理解伪随机机制遇到稍微变形的题目就会懵理解了机制以后那些选择题基本就是送分题。3.1 为什么是伪随机而不是真随机计算机里的标准库random本质上是确定性算法它从初始种子出发通过一个递推公式不断生成看起来杂乱无序、但规律完全确定的数。也就是说只要种子固定生成的数列在世界任何一台电脑上都是一样的除非Python版本不同。这个数列在统计学上具有良好的均匀性和独立性足以模拟日常场景里的随机需求所以叫伪随机。我在给初学者讲这个概念时经常用这样一个比喻伪随机数生成器就像一本有十万页的乱数表种子决定了翻开第几页从这一页开始每往后读一行就是一个随机数。同一页开头读出来的序列永远一样。你做实验时设定random.seed(42)就相当于告诉程序从第42页开始读。理解这一点对考试的意义是什么选择题里如果问random库的随机数是真随机还是伪随机答案一定是伪随机如果问种子相同则随机序列是否相同答案是一定相同如果问random.seed()不带参数会怎样答案是基于当前系统时间等随机源来自动生成种子每次运行序列完全不同。这些考点不用背理解了机制自然就能选对。3.2 种子在二级上机考试中的隐藏作用二级Python的上机编程题有一部分是结果可验证的这就要求考生的程序在给定的输入条件下必须产生确定输出。如果题目里用自己的随机过程而不设种子不同考生会得到不同结果评卷就没法统一了。所以历年真题里只要程序设计题涉及到随机几乎都会在题目开头或者题目叙述中给出种子设置例如某年真题模拟大乐透号码生成题目会写在某行代码中设置随机种子为N之类的提示。这时候你务必要在同一位置调用random.seed(N)并且保持后面的random方法调用顺序和官方标准答案一致。这里要强调一个我见过的经典翻车案例程序里需要生成5个随机数和1个额外随机数有的考生先把5个数放循环里调用了5次randint出来后又额外调用了1次random()来生成小数——但由于多加的这次调用改变了后续随机序列前面的5个数已经变了。如果评卷程序是按连续调用6个特定函数后比对结果来判分的这种代码分数就会被扣掉。所以在写调用了random库的编程题时需要遵循一个纪律先规划好一共要调用几次random函数、以什么顺序调用然后一次也不要多、一次也不少地写完。平时练习时养成这个习惯上机才稳定。3.3 从源码层面看一眼生成器Mersenne Twister的考试友好特性random库的默认生成器是Mersenne Twister梅森旋转算法。它的周期长达2的19937次方减1分布均匀性和随机性都很好而且算法实现高效、稳定。二级考试不会让你实现这个算法但你至少要知道一件事Mersenne Twister的输出质量足以模拟抛硬币、掷骰子、随机抽样这些日常随机场景所以考试程序里的随机结果即使不设定种子单独看也是够随机的。这给考生的启发是——在不需要复现结果的普通练习题里你可以放心使用random库做模拟实验不用担心输出分布明显偏差。不过有一个小细节注意一下Python 3.9之后random.shuffle等函数内部实现有微小变化但考试环境一般固定某个Python版本通常是3.8或3.9所以实际运行结果和评卷基准一致即可不要在你的本地用新版本Python强行对齐某道真题的输出容易出偏差。平时练习建议直接使用与考试环境相近的Python版本。4. 历年真题高频题型与可直接抄用的代码模板接下来这部分是实战环节。我结合自己在备考和辅导过程中反复遇到的高频题型整理出几个可以直接背下来、考试时改改参数就能用的代码模板。建议每段代码都亲手敲一遍别只是看。4.1 模板一随机验证码生成字符串与random的经典组合生成n位随机验证码是二级考试老熟人最常见的是生成四位、六位由数字加字母组成的验证码。import random import string def generate_code(length6): # 数字 大写字母 小写字母 chars string.ascii_letters string.digits code .join(random.choices(chars, klength)) return code random.seed(2025) print(generate_code(6))这个模板用到了random.choices的k参数一次性抽取length个字符再用字符串的join拼起来。注意如果把choices换成sample验证码里就不可能出重复字符用choices则允许重复。题目要求可重复还是不可重复要看清一字之差逻辑完全不同。如果题目要求不使用string模块也可以自己定义字符池import random def generate_code(length4): chars ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789 code .join(random.choice(chars) for _ in range(length)) return code这里用到了生成器表达式每循环一次取一个字符取length次。两种写法都要会尤其是第二种在考试环境里更稳——因为有的考场可能不允许导入string模块其实标准库允许但为了稳妥会手写字符池更好。我自己更喜欢第一种因为它简洁但教学生时我会强调第二种的容错性。4.2 模板二随机抽样与分组sample和shuffle的应用抽样类题目在二级里经常伪装成随机抽取几个幸运观众随机分组随机抽取若干题重做等场景。核心区分在于要不要重复、要不要改变原本顺序。不需要重复且不改变原列表 - 用sampleimport random students [f学生{i} for i in range(1, 31)] random.seed(5) # 从30人中不重复抽取5人 winners random.sample(students, 5) print(winners)需要把顺序完全打乱比如分组前洗牌- 用shuffleimport random students [f学生{i} for i in range(1, 31)] random.seed(5) random.shuffle(students) # 打乱后第1组取前10人第2组取下10人第3组取最后10人 group1 students[:10] group2 students[10:20] group3 students[20:] print(group1, group2, group3, sep\n)注意用shuffle时原students列表已经被修改了所以group1、group2、group3里的人是互不重复且恰好覆盖全体的。有些同学喜欢用sample(students, 10)重复抽三次来分三组这种方式在逻辑上是错的因为sample每调用一次都是独立抽样三组之间可能有人重复。4.3 模板三掷骰子、抛硬币等蒙特卡洛模拟模拟类程序题通常要你统计大量随机实验的结果频率核心套路是循环计数。import random random.seed(42) # 统计掷骰子10000次各点数出现的次数 counts [0] * 7 # 下标0不用1~6对应用点数 for _ in range(10000): point random.randint(1, 6) counts[point] 1 for i in range(1, 7): print(f点数{i}{counts[i]}次概率{counts[i]/10000:.4f})这里[0] * 7是二级备考里非常实用的初始化技巧——需要统计1到6的点数列表长度开7个下标0白白空着让下标和点数一一对应。很多新手喜欢用[0, 0, 0, 0, 0, 0, 0]写7个0效果一样但前者更简洁。抛硬币统计正面次数的模板更有代表性import random random.seed(100) n 1000 heads 0 for _ in range(n): if random.random() 0.5: heads 1 print(正面次数, heads) print(正面概率, heads / n)值得注意的是判断条件写random.random() 0.5还是 0.5理论上会略微影响结果差异极小单次运行看不出来但在考试中你只需要保证逻辑自洽即可。评卷通常考察算法思想而不是精确到某一次随机的结果除非题目指定种子并要求完全一致的输出。4.4 模板四经典游戏化题目猜数字猜数字几乎每年都会以某种姿态出现在二级复习资料里。它同时考察randint生成目标数字、循环反复猜测、条件判断猜大猜小。import random random.seed(88) target random.randint(1, 100) guess -1 count 0 while guess ! target: guess int(input(请输入你猜的数字(1~100))) count 1 if guess target: print(猜大了) elif guess target: print(猜小了) else: print(f恭喜你用了{count}次猜中)程序题中如果出现input()你在本地测试时要手动输入数字比较麻烦有些模拟软件能自动输入。我更推荐的练习方式是预先构造一个猜数列表来模拟用户输入比如for g in [50, 25, 80, 71]:这样可以避免反复手动敲键盘。这个模板看起来简单但它有一个很多考二级的同学会忽略的考点randint(1, 100)的取值范围是1到100闭区间如果题目要求随机生成一个1到99之间的整数就必须用randrange(1, 100)才行。一字之差答案边界完全不同。4.5 模板五随机密码生成与字符池权重定制如果题目要求生成带一定规则的密码比如必须包含至少一个大写字母、一个小写字母和一个数字只靠一个choices就不够严谨需要分步保证import random import string def strong_password(length8): lower random.choice(string.ascii_lowercase) # 保证有1个小写 upper random.choice(string.ascii_uppercase) # 保证有1个大写 digit random.choice(string.digits) # 保证有1个数字 remaining .join(random.choices(string.ascii_letters string.digits, klength-3)) # 把4部分拼起来后打乱顺序避免大写字母永远在开头这种规律性 password_list list(lower upper digit remaining) random.shuffle(password_list) return .join(password_list) random.seed(7) print(strong_password(8))这里最容易被忽略的点是最后一步shuffle。如果不打乱生成的密码永远是小写大写数字随机字符这个固定结构题目一旦要求随机排列就得不到满分。把字符串拆成列表、shuffle、再拼接是二级考试里字符串random组合题的万能收尾操作。记住这个三步走list()-shuffle-.join()。5. 上机实战环境准备、典型报错与得分细节会写代码模板只是第一步上机考试时能否顺利运行、能否拿全分还取决于一些很容易被忽略的细节。我这部分把实际练习时的经验浓缩起来按考前准备 - 调试排错 - 检查提分三个阶段来梳理。5.1 考场环境与本地练习环境的一致性计算机二级Python考试的环境通常是Windows系统上的Python 3.8或3.9不同考区可能略有差异考试系统自带IDLE或者特定的考试客户端。你在自己电脑上练习时建议提前确认Python版本尽量装3.8或3.9不要用Python 3.12/3.13这种很新的版本。新版本虽然语法向下兼容但某些标准库的随机序列生成细节若有微调可能导致真题输出难以复现。不需要额外安装任何第三方库random是标准库二级考试范围也只考标准库考试机器上不会给你装numpy、pandas这些东西。平时练习如果装了Anaconda要注意别在代码里顺手import不在考纲内的模块。中文编码上机考试环境可能涉及文件读取如果代码里出现中文字符串务必保证文件头有# -*- coding: utf-8 -*-或确保编辑器默认UTF-8。有些考场客户端默认编码不是UTF-8会导致读取含中文的文本文件时报UnicodeDecodeError。用本地命令行验证一下环境python --version python -c import random; print(random.randint(1,10))两条命令能正常输出说明random库没问题可以拿真题开练。5.2 经典报错场景与修复实战排错清单我在辅导过程中见过大量新手在上机时反复报错的场景集中列出来每个都是真实的坑场景一TypeError: NoneType object is not iterable / 对shuffle结果继续操作import random lst [1, 2, 3, 4, 5] new_lst list(range(len(lst))) # 错误示范 # 先写 new_list random.shuffle(lst) # 然后又遍历 new_list结果 new_list 是 None —— 报错修复方式在第2.4节已经说过shuffle是原地操作重新赋值给变量会拿到None。要么直接使用原列表要么先复制再shuffle。场景二IndexError: Cannot choose from an empty sequenceimport random empty [] print(random.choice(empty)) # 报错IndexErrorchoice要求序列非空。考试题里如果从一个筛选后的列表里抽元素先判断len(lst) 0再加choice否则遇到空列表就崩。这个坑常在从符合某种条件的数据里随机抽一个的题目里出现。场景三ValueError: Sample larger than population or is negativeimport random lst [1, 2, 3] print(random.sample(lst, 5)) # 报错样本数超过总体数sample的k不能大于序列长度不允许重复抽取的前提下。如果题目要求可能有重复地抽5个就改用choices如果题目要求不重复地抽5个但序列只有3个元素必须在抽取前扩容序列或改换思路。场景四因为随机种子设置时机不对导致结果不对import random print(random.randint(1, 100)) # 第一次调用 random.seed(10) # 种子设在调用之后前面已经产生随机数种子对它无效 print(random.randint(1, 100)) # 这已经是种子的第一个随机数很多考生习惯在程序中间任何位置写random.seed(10)导致面对真题时前面已经消费了几个随机数、后面结果对不上。正确做法是一旦题目指定种子程序开头、所有random调用之前先执行seed确保第一个随机数就是评卷程序期望的第一个随机数。5.3 考试检查清单交卷前5分钟该看什么上机考试时间紧凑但交卷前留几分钟检查random相关代码绝对值得。我把检查要点列成清单你可以对照自查[ ] 是否在所有random调用之前设置了seed如果题目要求[ ] 程序中random调用次数是否和标准思路一致有没有多写或少写[ ] 使用shuffle后是否误用返回值是否正确操作了原列表[ ] 使用sample抽取的k是否不大于序列长度[ ]randint的右边是闭区间确认题目要的是闭还是开如需要开区间请改用randrange。[ ] 字符串拼接随机字符时字符是否先转成str类型特别是用choice选出的数字直接拼接会报TypeError。[ ] 如果用了input()输入的数据是否做了int类型转换[ ] 程序有无额外导入非标准库模块其中第六点特别值得展开提醒用random.choice(0123456789)选出来的是字符5直接拼接没问题但如果用random.randint(0, 9)选出来的是整数5直接拼字符串就会报错。正确写法是str(random.randint(0, 9))。这个细节至少值一分。5.4 一个完整的交叉综合例题真题级别的实战演练为了把上面的知识点串起来我最后给出一道和真题难度相当的综合性练习题建议你先自己写一遍再对照我的参考实现。题目模拟一次年会抽奖程序。参加人数共50人编号从1到50。要求先随机选出3名三等奖再从剩下的人中随机选出2名二等奖最后从剩余的人中选出1名一等奖输出每个奖项的中奖编号。核心考点sample不重复抽取的特性、seed的设定、列表差集操作。参考实现import random random.seed(2025) people list(range(1, 51)) third random.sample(people, 3) # 三等奖3人 # 从原列表中移除三等奖获得者 remaining [p for p in people if p not in third] second random.sample(remaining, 2) # 二等奖2人 # 再移除二等奖获得者 remaining [p for p in remaining if p not in second] first random.sample(remaining, 1) # 一等奖1人 print(三等奖, third) print(二等奖, second) print(一等奖, first)这里面用列表推导式做差集是最直观的解法。你可能会想到用set去重后再sample但set会把顺序打乱而且不同Python版本下set迭代顺序可能不同会影响seed复现所以不推荐。这道题考察的正是random库列表操作的组合能力sample每次都在原序列上做不重复抽取因此只要每轮更新剩余人员列表逻辑就不会乱。如果误用choice或choices中奖编号大概率会重复整道题覆灭。6. 备考期间刷random题的三个心得最后聊点备考策略以外的体会算是我自己练习random相关真题时总结出的几个非技术经验。第一不要死记函数官方文档而是把所有函数的边界条件画成一张小卡片。我的卡片上就写着一句话random()半开区间randint闭区间randrange开区间步长choice返回单值choices返回列表k默认为1sample不重复返回新列表shuffle原地返回None。考试前翻一眼比翻一小时文档管用。第二遇到真题里的random题一定要动手敲一遍而不是只看答案。因为random类题目的程序填空往往考察你能否理解代码在若干次调用之后的状态——只看答案你永远不知道shuffle返回None这个坑会导致什么也不知道多调用一次random会把整个序列推到哪里去。哪怕只是把答案代码抄一遍然后运行一下你对随机序列的推进感都会比纯阅读深刻得多。第三上机练习时尽量给自己设定禁看答案的模拟条件。我备考时规定自己每道题先花10分钟独立完成再对照标准答案。错得越多印象越深。尤其是那种老觉得自己写对了结果输出和答案差一点的情况基本都能定位到random调用次数或边界范围上——这些错题记录就是考前一周最宝贵的复习资料。希望这篇梳理能帮你把random库这块的分数稳稳攥在手里。计算机二级的题目其实并不难难的是细心和边界感。把上面这些容易踩的坑挨个排掉random相关的内容在考场上对你来说就只剩下套模板这一件事了。