Python如何生成指定浮点步长两值区间内的随机数

目前numpy、Python标准库random模块均未提供可直接实现random(start, stop, step)效果的一步到位函数，该需求本质是指定步长的离散点集随机采样，通过几行代码组合现有API即可稳定实现，不需要额外安装第三方库。

NumPy版本（适合批量生成数值场景） #

import numpy as np

def stepped_random(start: float, stop: float, step: float, count: int, allow_repeat: bool = True):
    # 处理浮点计算精度误差，计算所有符合步长要求的候选点总数
    point_count = int(round((stop - start) / step)) + 1
    # 生成全量合法候选值，避免直接用np.arange累加导致的边界值丢失问题
    valid_values = start + np.arange(point_count) * step
    # 随机采样指定数量的结果
    return np.random.choice(valid_values, size=count, replace=allow_repeat)

# 对应示例参数：生成5~7之间步长0.1的40个随机数
result = stepped_random(start=5, stop=7, step=0.1, count=40)

标准库版本（无numpy依赖场景） #

import random

def stepped_random_std(start: float, stop: float, step: float, count: int, allow_repeat: bool = True):
    point_count = int(round((stop - start) / step)) + 1
    valid_values = [start + i * step for i in range(point_count)]
    if allow_repeat:
        return [random.choice(valid_values) for _ in range(count)]
    return random.sample(valid_values, k=count)

# 示例调用
result_std = stepped_random_std(5, 7, 0.1, 40)

• 你给出的示例参数中，5到7步长0.1一共只有21个合法取值，要生成40个随机数必须开启允许重复（代码中allow_repeat默认即为True），如果需要无重复采样，要保证待生成的随机数个数不超过合法候选值的总数量。
• 不要直接使用np.arange(start, stop+step, step)生成候选值，浮点数累加的精度误差很容易导致边界值（比如示例中的7.0）丢失或者多生成冗余值，上述代码中先计算总点数再偏移生成候选值的写法稳定性更高。

内容的提问来源于stack exchange，提问作者FZL