### Python `random` 模块详解
`random` 模块是 Python 的标准库之一，提供了丰富的函数来生成各种类型的随机数。这对于模拟、游戏开发、统计分析等场景非常有用。
#### 1. `random.random()`
这个函数用于生成一个位于 `[0.0, 1.0)` 范围内的随机浮点数。这里的开区间意味着可以取到 0.0 但永远不会等于 1.0。例如：
```python
import random
print(random.random()) # 输出例如 0.572348984589
```
#### 2. `random.uniform(a, b)`
该函数用于生成一个位于 `[a, b)` 范围内的随机浮点数。与 `random.random()` 不同的是，它可以生成指定区间的任意浮点数。例如：
```python
import random
print(random.uniform(1.5, 4.2)) # 输出例如 2.3456789012
```
#### 3. `random.randint(a, b)`
此函数用于生成一个位于 `[a, b]` 区间内的随机整数，包括 `a` 和 `b`。例如：
```python
import random
print(random.randint(1, 10)) # 输出例如 5
```
#### 4. `random.randrange(start, stop[, step])`
该函数用于生成一个从 `start` 到 `stop`（不包括 `stop`）范围内的随机整数，可选参数 `step` 表示递增的间隔，默认为 1。例如：
```python
import random
print(random.randrange(1, 10, 2)) # 输出例如 1, 3, 5, 7, 9
```
#### 5. `random.choice(seq)`
此函数用于从非空序列 `seq` 中随机选择一个元素。序列可以是列表、元组或字符串等。例如：
```python
import random
my_list = ['apple', 'banana', 'cherry']
print(random.choice(my_list)) # 输出例如 'banana'
```
#### 6. `random.shuffle(seq)`
该函数用于将序列 `seq` 中的元素随机排序，并且会直接修改原序列。例如：
```python
import random
my_list = [1, 2, 3, 4, 5]
random.shuffle(my_list)
print(my_list) # 输出例如 [2, 1, 5, 4, 3]
```
#### 7. `random.sample(seq, k)`
此函数用于从序列 `seq` 中随机选择 `k` 个不重复的元素，返回一个新的列表。例如：
```python
import random
my_list = [1, 2, 3, 4, 5]
print(random.sample(my_list, 3)) # 输出例如 [3, 1, 4]
```
#### 8. `random.bytes(n)`
该函数用于生成 `n` 个随机字节。生成的字节通常用于加密或生成密钥等。例如：
```python
import random
print(random.bytes(10)) # 输出例如 b'\x12\x3e\x54\x76\x98\xba\xdc\xfe\x12\x34'
```
#### 9. `random.seed(a)`
此函数用于设置随机数生成器的种子值。如果两次调用 `random.seed(a)` 使用了相同的种子值 `a`，那么之后的随机数序列将会是相同的。例如：
```python
import random
random.seed(10)
print(random.random()) # 每次使用相同的种子都会得到相同的随机数
```
#### 10. `random.getrandbits(k)`
该函数用于生成一个 `k` 位长的随机整数。通常用于需要生成特定长度的随机数的场景。例如：
```python
import random
print(random.getrandbits(16)) # 输出例如 61703
```
#### 11. `random.triangular(low, high, mode)`
此函数用于生成一个三角分布的随机浮点数，其分布的低值、高值和模式值分别为 `low`、`high` 和 `mode`。例如：
```python
import random
print(random.triangular(1, 10, 5)) # 生成一个三角分布的随机浮点数
```
#### 12. `random.betavariate(alpha, beta)`
该函数用于生成一个 Beta 分布的随机浮点数，其中 `alpha` 和 `beta` 是形状参数。Beta 分布通常用于概率论和统计学中。例如：
```python
import random
print(random.betavariate(3, 3)) # 生成一个 Beta 分布的随机浮点数
```
#### 13. `random.expovariate(lambd)`
此函数用于生成一个指数分布的随机浮点数，其中 `lambd` 是分布的参数。指数分布常用于建模事件发生的概率随时间的变化。例如：
```python
import random
print(random.expovariate(0.5)) # 生成一个指数分布的随机浮点数
```
#### 14. `random.normalvariate(mu, sigma)`
该函数用于生成一个正态（高斯）分布的随机浮点数，其中 `mu` 是均值，`sigma` 是标准差。正态分布是最常用的连续概率分布之一。例如：
```python
import random
print(random.normalvariate(0, 1)) # 生成一个正态（高斯）分布的随机浮点数
```
### Python `hashlib` 模块详解
`hashlib` 是 Python 的标准库之一，提供了许多常用的哈希算法，如 MD5、SHA1、SHA224、SHA256、SHA384、SHA512 以及 SHA3（Keccak）等。这些算法主要用于数据完整性验证、密码存储、数字签名等应用场景。
#### 哈希算法简介
哈希算法是一种将任意长度的数据转换为固定长度的输出的过程。这种转换通常是不可逆的，即很难从哈希结果反推出原始输入数据。每个哈希算法都有不同的特点，比如安全性和速度。
#### hashlib 提供的主要哈希算法
- **MD5**：一种广泛使用的哈希算法，但由于存在安全性问题，目前主要用于非关键应用。
- **SHA1**：比 MD5 更安全，但已被发现存在碰撞攻击的问题。
- **SHA224/SHA256/SHA384/SHA512**：SHA-2 家族的一部分，更加安全，被广泛应用于密码学和数据安全领域。
- **SHA3**（Keccak）：最新的哈希算法家族，具有更高的安全性，用于替代 SHA-2 家族。
#### 基本用法
下面是一个简单的例子，演示如何使用 `hashlib` 来计算字符串的 MD5 哈希值：
```python
import hashlib
# 计算字符串的 MD5 哈希值
s = "Hello, World!"
m = hashlib.md5()
m.update(s.encode('utf-8'))
print(m.hexdigest()) # 输出哈希值
```
通过上述方法，我们可以轻松地利用 Python 的 `hashlib` 库来实现对数据的哈希处理，从而增强应用程序的安全性。
总结来说，`random` 模块提供了多种生成随机数的方法，适用于不同的场景；而 `hashlib` 模块则提供了多种哈希算法，可以帮助开发者实现数据的安全处理。这两个模块都是 Python 开发中非常重要的工具。
