是否存在类似Python random.randint、偏向生成区间低值的随机整数函数？

Python 标准库中没有完全匹配你需求的现成内置函数，原生的random.randint(a, b)是均匀分布，区间内每个整数被抽取的概率完全相等，无法实现“靠近a概率更高、靠近b仅少量结果出现”的倾斜效果，但可以通过非常简单的自定义逻辑快速实现，两种常用实现方式如下：

基于几何分布的快速实现（最贴合需求特征） #

这个方案的分布特性天生符合你的要求：生成的数值越靠近a出现概率越高，越靠近b出现概率呈几何级下降，几乎不会大量出现靠近b的结果。
实现逻辑：

• 引入可调的倾斜系数，控制整体分布的倾斜程度：系数越大，靠近b的样本占比越低
• 直接调用标准库自带的几何分布采样函数生成偏移量，映射到[a,b]整数区间内，超出区间的结果直接封顶为b

代码示例：

import random

def skewed_randint(a: int, b: int, skew: float = 1.5) -> int:
    offset = random.geometric(p=1/skew) - 1
    return min(a + offset, b)

使用时如果想让靠近b的结果占比更低，可以把skew参数调到2左右；如果想让结果分布稍平缓一点，可以把skew调到1.2左右。

基于自定义权重的可控实现 #

如果需要精准调整每个整数的出现概率，可以直接用带权重的采样逻辑：

• 遍历a到b的所有整数，为每个数值配置对应权重：离a越近权重越高，离b越近权重越低
• 调用标准库random.choices()完成带权重的随机抽取

代码示例：

import random

def weighted_randint(a: int, b: int) -> int:
    candidate_pool = list(range(a, b + 1))
    # 权重设置：越靠近b权重越低，线性衰减
    weights = [b - num + 1 for num in candidate_pool]
    return random.choices(candidate_pool, weights=weights, k=1)[0]

实操提示：如果需要进一步降低靠近b的结果占比，可以把权重的衰减规则从线性改成指数型，比如把权重计算替换为1 / (num - a + 1)，就能让近b的结果出现概率再降一个量级。

内容的提问来源于stack exchange，提问作者SubstantialRange