【Python 乱数】初心者にもわかる生成方法と活用例を徹底解説

プログラミング言語•2025/2/16

はじめに

乱数とは、コンピューター上で一定の規則性がなく見える数字や値のことです。Pythonをはじめとする多くのプログラミング言語には、乱数を扱うための機能が標準で用意されています。

とはいえ、初心者の方にとっては「そもそも乱数って何に使うのか」「どうやって具体的に書くのか」といった疑問があるかもしれません。実際のところ、ゲームの抽選システムや、データ分析のシミュレーション、パスワードの生成など、さまざまな場面で乱数は利用されています。

このように、乱数はプログラムに「予測不可能な変化」を生み出す重要な役割を果たします。本記事では、Pythonで乱数を生成する基本から、少し発展的な活用方法、偏りの原因やセキュリティ上の注意点など幅広く解説していきます。まずは大まかな記事の流れを確認してみましょう。

この記事を読むとわかること

乱数の基礎とPythonで使える乱数生成手法
random モジュールの具体的な使い方
乱数の偏りやセキュリティ面での注意点
業務シーンを踏まえた実践的な活用例

乱数とは何か

乱数という言葉を耳にすると「何も規則性がない」数字を思い浮かべるかもしれません。ただし、コンピューターが生成するものは厳密にいうと「疑似乱数」と呼ばれるもので、完全に予測不能な数字ではありません。一定のアルゴリズムによって計算された結果なので、理論的には再現可能でもあります。

とはいえ、実用上は十分にランダム性が高く、予測がほぼ不可能な形で値が得られます。たとえば、ゲームでランダムに敵が出現する確率を作るときや、統計のシミュレーションでランダムサンプリングをするとき、こういった疑似乱数が活躍します。

ここで抑えておきたいのは、乱数が何らかの内部的な仕組みによって生成される以上、全くの無作為というわけではない点です。Pythonでも random モジュールを通じて、擬似乱数アルゴリズムを簡単に利用できます。

Pythonで乱数を扱うメリット

Pythonは標準ライブラリとして random モジュールが用意されているため、追加のインストールをすることなくすぐに乱数を利用できます。また、コードがシンプルで可読性が高いので、初心者でもすぐに試しやすいという特徴があります。

業務シーンでも、Pythonで乱数を扱う場面は多数考えられます。例えばデータ分析や機械学習の実験を行う際、データをランダムにシャッフルしたり、乱数を使った検証データの生成が必要になることがあります。さらに、テストケースを網羅的に作成するときにもランダム化は役立ちます。あらゆる場面で柔軟に対応できるのが、Pythonの強みといえるでしょう。

他の言語でも乱数を扱うライブラリはありますが、Pythonであれば少ないコード量で目的を達成できるケースが多いです。これにより、実験的なスクリプトを書くときにもスピーディに開発できるのがメリットです。

randomモジュールの基本

Pythonで乱数を扱うときは、基本的に標準ライブラリである random モジュールを使用します。インポートの方法はシンプルで、import random と書くだけでOKです。random モジュールには多数の関数が用意されており、代表的なものとして以下が挙げられます。

random.random()：0以上1未満の浮動小数点乱数を返す
random.randint(a, b)：a以上b以下の整数を返す
random.uniform(a, b)：a以上b以下の浮動小数点数を返す
random.choice(seq)：シーケンスから1つの要素をランダムに選ぶ
random.shuffle(seq)：シーケンスの要素をランダムに並べ替える

これらの関数を活用することで、幅広い用途での乱数操作が可能になります。まずはもう少し基本的なコード例から見ていきましょう。


import random

# 0以上1未満の乱数を生成
val_float = random.random()
print(val_float)

# 1以上10以下の整数を生成
val_int = random.randint(1, 10)
print(val_int)

このように、非常にシンプルな構文で扱えるのが大きな利点です。もし特定の範囲の小数が欲しい場合は random.uniform(a, b) を利用するだけで、手軽に取得できます。

さまざまな乱数を生成する方法

具体的にどのような乱数を生成できるのかを、順番に見ていきましょう。最初に押さえておくべきは、整数の乱数と浮動小数点の乱数の違いです。整数が欲しい場合は randint、実数が欲しい場合は random や uniform を使うのが基本です。

用途によって適切な関数を選ぶことで、無駄な変換処理が減り、プログラムの可読性も高まります。たとえば、ゲームの中で点数の変化をランダムにするときは整数を使ったほうが自然なケースが多いでしょう。一方、シミュレーションで扱う物理量などは小数が必要になる可能性があります。

また、より複雑な分布に基づく乱数が欲しい場合は、別の関数を利用できます。例えば random.gauss(mu, sigma) を使えば正規分布に基づく乱数を得られます。単に一様分布だけでなく、統計分布のシミュレーションにも対応できるのです。

分布に基づく乱数の例

以下に、正規分布に基づいた乱数を生成する例を挙げます。


import random

# 平均0、標準偏差1の正規分布に基づく乱数を5つ生成
for _ in range(5):
    val = random.gauss(0, 1)
    print(val)

このように、平均値（mu）と標準偏差（sigma）を引数に渡すだけで、正規分布の乱数が得られます。統計的な分析や実験でデータを擬似的に作りたい場合などに重宝します。

シード値と乱数の再現性

乱数は「毎回異なる値を返す」イメージがありますが、プログラムのデバッグや学習用の実験などでは、実行のたびに結果が変わると比較が難しくなることがあります。そういった場面ではシード値を固定することで、乱数の結果をあえて再現可能にすることができます。

Pythonでは、random.seed() 関数に特定の値を指定するだけで、後の乱数のパターンを再現できるようになります。たとえば、下記の例ではシード値を100に固定するため、プログラムを何度走らせても同じ乱数列が得られます。


import random

random.seed(100)
print(random.random())
print(random.random())

このような再現性は、たとえば機械学習の実験で初期状態が一定になるようにしたい場合などに役立ちます。ただし、業務で本番運用する際にシード値を固定しっぱなしにすると、常に同じ結果が返ってしまいランダム性が失われます。必要に応じて使い分けることが重要です。

ランダムに要素を選択する方法

リストやタプルのようなシーケンスからランダムに要素を選びたい場合は、random.choice() がよく使われます。複数の選択肢がある中から1つの要素を抽選で選ぶような場面ですね。例えば、ユーザーへランダムなメッセージを表示したいときや、ランダムにサンプルデータを取得したいときに便利です。


import random

colors = ["red", "blue", "green", "yellow"]
result = random.choice(colors)
print("選ばれた色：", result)

もし複数の要素を同時に取りたい場合は、random.sample(seq, k) を利用すると重複のないk個の要素が取得できます。また、重複を許容したい場合には random.choices(seq, k=k) を使うというように、細かく機能が分かれています。これらの関数を使い分けることで、業務ロジックでも自由度の高い抽選処理が可能になります。

乱数で要素の並び替えを行う

ランダムな順序で要素を並べ替えたい場合には random.shuffle(seq) が便利です。これは渡したリストそのものをシャッフルしてくれる関数で、簡単に乱数シャッフルが実現できます。例えば、カードゲームをシミュレーションしたり、大量のデータをランダムな順番で処理したりする際に役立ちます。


import random

cards = ["ハートのA", "ハートの2", "ハートの3"]
random.shuffle(cards)
print(cards)

注意点としては、random.shuffle() はリストを直接変更する（破壊的操作）ため、必要に応じて元のリストをコピーしてからシャッフルするようにしましょう。業務上、予期しないタイミングでデータの順序が変わるとトラブルにつながりかねません。

乱数を使った簡単なサンプルアプリ

ここからは、乱数を活用した簡単な例を挙げてみます。ごく基本的なものとして、サイコロの目をランダムに出すプログラムを考えてみましょう。これは何かしらのイベントを乱数でコントロールしたいときの基礎的なアイデアです。

サイコロの目をシミュレーション


import random

def roll_dice():
    return random.randint(1, 6)

def main():
    print("サイコロを3回振ります。")
    for i in range(3):
        result = roll_dice()
        print(f"{i+1}回目: {result}")

if __name__ == "__main__":
    main()

上記の例では、1から6までの整数をランダムに生成してサイコロの目として表示しています。少し工夫すれば、2つのサイコロを同時に振るなどの機能も簡単に実装できます。もし抽選ゲームなどを実装したい場合は、このロジックを応用して景品の当選判定を行うことも可能です。

ランダムパスワードの簡易生成

業務で「一時的に使用する簡易的なパスワードを作成したい」というケースもあるかもしれません。ただし、本番用の重要なパスワードは random モジュールではなく、あとで述べる secrets モジュールなどの利用も検討してください。あくまでも簡易例としてイメージを示します。


import random
import string

def generate_password(length=8):
    chars = string.ascii_letters + string.digits
    password = ''.join(random.choices(chars, k=length))
    return password

if __name__ == "__main__":
    print("ランダムパスワード:", generate_password())

これは英数字からなる単純なパスワードを作成する例です。パスワードの強度を本格的に高めるには、特別な文字を混ぜたり、セキュアな乱数を使ったりするなど別途対策が必要となります。

偏りに関する考察

乱数は「何が出るか分からない」イメージがある一方で、完全にムラなく均等な確率分布が得られるわけではありません。同じ値が短い間に連続して出ることも十分に起こりえます。それを「おかしい」と感じる方もいるかもしれませんが、統計的には自然な現象です。

実際の業務で抽選機能を作るとき、「特定の人だけ当選が連続するのはバグでは？」と問い合わせが来る可能性もあります。こうした場面では、仕様としてきちんと「真の無作為であれば、連続当選の可能性もゼロではない」ことを明確に伝えておく必要があります。

もし連続して同じ結果が出ることを制限したいなら、乱数結果に一定のロジックを加えることも考えられます。たとえば、直前に当選したユーザーは次回抽選対象から外すなどです。ただし、それは統計的に見ると純粋なランダムからは離れる点を意識しましょう。

大規模データでの乱数利用

データ分析や機械学習の分野では、何十万行ものデータをランダムに分割したり、サンプリングしたりすることがあります。その際は、random モジュールを用いる方法と、より高速な配列操作を得意とするライブラリ（NumPyなど）を利用する方法があります。

Python標準の random モジュールだけでも問題ないことが多いですが、大規模データに対して繰り返し処理を行う場合は、NumPyの numpy.random を使うと高速化が見込めるケースがあります。しかし、まずは標準の random モジュールを使ってロジックを組んでみて、必要に応じて他のライブラリを検討する流れで十分でしょう。

業務で大量のデータ処理を行う場合は、シャッフルやサンプリングを行うときにメモリへの負荷が大きくなる点にも注意が必要です。乱数生成だけではなく、データ構造の選択や計算の分割なども合わせて考えるとより安全です。

乱数とセキュリティの注意点

乱数はセキュリティ分野でも非常に重要です。たとえばトークンの生成や、暗号処理でのキー生成に乱数が利用されることがあります。ここで注意すべきなのは、標準の random モジュールはセキュリティ目的での利用には向かないということです。

random モジュールは疑似乱数アルゴリズムを用いており、ある程度の計算能力やシード値の推測があれば再現できる可能性があります。そのため、暗号化など機密性の高い用途では、Pythonの secrets モジュールや os.urandom を使うことが推奨されます。

セキュリティを必要とする目的には、randomモジュールは適していません。暗号用途の際は、secretsやos.urandomといったより安全な方法を必ず検討しましょう。

たとえばユーザーパスワードの初期設定を乱数で生成するときなど、本番環境で扱うデータは情報漏洩リスクが大きいものです。乱数選定を誤ると、第三者に再現されてしまう恐れもあるので十分に注意してください。

業務シーンでの活用例

ここまでの内容を踏まえて、どのような実務で乱数が活用されるのかを整理しておきましょう。まず考えられるのが、オンラインサービスのキャンペーン抽選です。一定の確率でユーザーにクーポンを配布する仕組みなどは、random モジュールを使えば簡単に実装できます。

また、A/Bテストのように、ユーザーをランダムに振り分けて新旧のUIを比較するようなシステムでも乱数が利用されることがあります。全体の中でランダムに30%だけテスト対象にする、といった割り振りが可能になるわけです。

ほかにもデータをランダムに抽出してサンプルを作るといった用途もあります。これは大規模データを扱う分析チームの業務でよくある光景です。いずれのケースでも、乱数がないと公平性や多様性が確保できず、結果が偏ってしまう可能性があります。

よくある質問

Q. 乱数は本当に予測不可能なのでしょうか？

前述の通り、Python標準の乱数は疑似乱数です。アルゴリズムやシード値が分かれば、ある程度再現可能です。ただし、一般的な用途では「ほぼ予測不可能」と考えて差し支えないほどランダム性が高いです。

Q. シード値を固定すると何が起こりますか？

シード値が固定されると、実行のたびに同じ順番の乱数が生成されます。デバッグや学習実験には便利ですが、本番運用でこれをやると「ランダムではない」状態になるので注意しましょう。

一時的な検証目的の時だけ、seedを固定して挙動を確認するのがおすすめです。

Q. 乱数が偏っているように感じます。対策はありますか？

短いスパンだと同じ値が連続することもあります。これは「連続したらおかしい」と思ってしまう人間の心理が原因の場合も多いです。もし連続を避けたいなら、追加ロジックで制御する方法がありますが、それは純粋なランダムから外れます。

まとめ

本記事では、Pythonで乱数を生成する基本から、要素の選択やシャッフル、セキュリティにおける注意点まで幅広く解説しました。乱数の概念はシンプルなようで奥が深く、利用シーンによって注意すべきポイントが異なります。

特に業務での利用を想定するときは「この乱数で本当に問題ないのか？」という視点を常に持つことが大切です。単なる抽選なら random モジュールで十分な場合が多いですが、暗号的な安全性が求められるなら secrets や os.urandom を用いるべきでしょう。

乱数はプログラムに予測しにくい振る舞いを与え、さまざまな疑似的なシミュレーションや抽選を可能にします。今回の解説をもとに、みなさんが実際のプロジェクトで乱数を活用するときに役立てていただければ幸いです。使い方をしっかり理解し、業務要件に合った実装を心がけてください。