【2026年9月最新】Pythonのrandomモジュールの使い方を完全解説｜choice・sample・seedからセキュリティ注意点まで

Pythonで乱数（ランダムな値）を使いたいとき、多くの人が最初に手を伸ばすのが標準ライブラリのrandomモジュールです。random.randint()やrandom.choice()は初心者向けの教材でもよく登場しますが、実は「どの関数を使うべきか」を正しく理解していないと、意図しないバグやセキュリティ上のリスクにつながることがあります。

この記事では、randomモジュールの基本関数を整理したうえで、初心者向け教材では見落とされがちなrandom.choices()とrandom.sample()の違い、seed()による再現性の確保、そして最も重要な「パスワードやトークンの生成にrandomモジュールを使ってはいけない理由」まで、実務目線で踏み込んで解説します。最後には、Claude Codeを使ったテストデータ生成の効率化についても紹介します。

01 OVERVIEW randomモジュールとは何か 疑似乱数を生成する標準ライブラリ

randomモジュールは、Pythonの標準ライブラリに含まれる、疑似乱数（コンピュータが計算によって作り出す、一見ランダムに見える数値）を生成するためのモジュールです。追加のインストールは不要で、import randomと書くだけですぐに使えます。

ゲームのサイコロ処理、抽選、テストデータの生成、シミュレーションなど、randomモジュールの用途は多岐にわたります。まずは基本となる3つの関数から見ていきましょう。

02 BASIC FUNCTIONS 基本の乱数取得：random・uniform・randint 3つの関数の違いを正確に理解する

2-1. random.random()：0以上1未満の小数

import random

print(random.random())
# 0.7364258172645... （0.0以上1.0未満の浮動小数点数）

random.random()は引数を取らず、0.0以上1.0未満の浮動小数点数を返します。ここで得られる値を元に、他の多くの乱数関数が内部的に計算されています。

2-2. random.uniform(a, b)：指定範囲の小数

import random

print(random.uniform(1.0, 10.0))
# 4.281839...（1.0以上10.0以下のいずれかの浮動小数点数）

2-3. random.randint(a, b)：指定範囲の整数

import random

print(random.randint(1, 6))
# 1〜6のいずれかの整数（サイコロを想定した例）

関数	戻り値の型	範囲の指定方法	端点の扱い
random.random()	浮動小数点数	固定（0.0〜1.0）	0.0以上1.0未満
random.uniform(a, b)	浮動小数点数	a〜bを指定	ほぼa以上b以下（丸め誤差の影響あり）
random.randint(a, b)	整数	a〜bを指定	a以上b以下（両端含む）
random.randrange(a, b)	整数	a〜bを指定	a以上b未満（range()と同じ）

03 LIST OPERATIONS リストからのランダム抽出：choice・choices・sample 重複あり・なしの違いを正しく使い分ける

3-1. random.choice()：1つだけ選ぶ

import random

fruits = ['apple', 'banana', 'orange']
print(random.choice(fruits))
# 'banana' （3つの中からランダムに1つ）

3-2. random.choices()：重複ありで複数選ぶ

import random

fruits = ['apple', 'banana', 'orange']
print(random.choices(fruits, k=5))
# ['banana', 'banana', 'apple', 'orange', 'banana']
# ※ 同じ要素が複数回選ばれることがある（重複あり）

# weightsで重み付けもできる
print(random.choices(fruits, weights=[10, 1, 1], k=5))
# appleが選ばれやすくなる（重みが大きいほど当選確率が上がる）

3-3. random.sample()：重複なしで複数選ぶ

import random

fruits = ['apple', 'banana', 'orange', 'grape', 'melon']
print(random.sample(fruits, k=3))
# ['grape', 'apple', 'orange']
# ※ 同じ要素は二度選ばれない（重複なし）

関数	重複	主な用途
random.choice()	（1件のみ取得）	1つだけランダムに選びたいとき
random.choices(seq, k=n)	あり（復元抽出）	サイコロのシミュレーション、重み付き抽選
random.sample(seq, k=n)	なし（非復元抽出）	重複のない当選者選出、抜き取り検査のサンプリング

3-4. random.shuffle()：リストの中身を入れ替える

import random

cards = ['A', 'B', 'C', 'D', 'E']
random.shuffle(cards)
print(cards)
# ['C', 'A', 'E', 'B', 'D'] （元のリストが直接並び替えられる）

import random

cards = ['A', 'B', 'C', 'D', 'E']

# 元のリストを変えずに、シャッフル済みの新しいリストを得る方法
shuffled = random.sample(cards, k=len(cards))
print(cards)     # ['A', 'B', 'C', 'D', 'E'] （元のリストは変わらない）
print(shuffled)  # ['D', 'A', 'C', 'E', 'B'] （新しいシャッフル済みリスト）

04 REPRODUCIBILITY seed()で乱数を固定・再現する テストやデバッグで「同じ乱数」を再現する方法

randomモジュールが生成する値は「疑似」乱数であるため、開始点（シード値）を固定すれば、何度実行してもまったく同じ結果を再現できます。この性質は、テストやデバッグの場面で非常に役立ちます。

import random

random.seed(42)
print(random.randint(1, 100))  # 82
print(random.randint(1, 100))  # 15

# 同じseed(42)からやり直すと、まったく同じ順番で同じ値が出る
random.seed(42)
print(random.randint(1, 100))  # 82 （1回目と同じ）
print(random.randint(1, 100))  # 15 （2回目と同じ）

4-1. モンテカルロシミュレーションでの活用例

seed()による再現性は、モンテカルロシミュレーション（乱数を使って試行を大量に繰り返し、統計的な傾向を推定する手法）でも重要な役割を果たします。例えば、あるキャンペーンの当選確率を試算する場合を考えてみます。

import random

random.seed(1)

trials = 10000
win_count = 0

for _ in range(trials):
    if random.random() < 0.05:  # 当選確率5%と仮定
        win_count += 1

print(f'{trials}回試行して{win_count}回当選（実測確率: {win_count / trials:.2%}）')
# 10000回試行して537回当選（実測確率: 5.37%）

このように、「同じ条件で何度も試行した場合の傾向」を調べたい業務シーンでは、seed()で再現性を確保しつつ、randomモジュールの各関数を組み合わせて試算するアプローチが実務でも活用されています。

05 SECURITY WARNING 【重要】パスワード生成にrandomを使ってはいけない理由 セキュリティ用途にはsecretsモジュールを使う

プログラミング入門記事では、random.choice()と文字列を組み合わせて「ランダムなパスワードを生成する」サンプルコードがよく紹介されます。しかし、この方法を実際のサービスのパスワードやAPIトークン、パスワードリセット用のURLなどに使うのは危険です。

5-1. randomモジュールが「予測可能」である理由

Pythonのrandomモジュールは、メルセンヌ・ツイスタという高速なアルゴリズムで疑似乱数を生成しています。統計的な均一性には優れていますが、暗号学的には安全ではありません。十分な数の出力を観測されると、内部状態を推測され、以降に生成される値を予測されてしまう可能性があることが知られています。

5-2. セキュリティ用途にはsecretsモジュールを使う

パスワード、トークン、セッションID、パスワードリセット用のURLなど、「他人に予測されては困る」値を生成する場合は、Python標準ライブラリのsecretsモジュールを使います。secretsモジュールはOSが提供する暗号学的に安全な乱数源を利用しており、この目的のために標準ライブラリ側でも明確に推奨されています。

import secrets
import string

# 安全なランダムパスワードを生成する例
alphabet = string.ascii_letters + string.digits
password = ''.join(secrets.choice(alphabet) for _ in range(12))
print(password)
# 例: 'aB3xQ9mK7pLz'

# 安全なトークンを生成する（URLセーフな文字列）
token = secrets.token_urlsafe(32)
print(token)

用途	使うべきモジュール	理由
ゲームのサイコロ・くじ引き	random	予測されても実害がない、速度と手軽さを優先してよい
シミュレーション・統計処理	random	再現性（seed固定）が必要なことも多く、randomが適している
テストデータの生成	random	ダミーデータなので、予測可能性は問題にならない
パスワード・トークンの生成	secrets	予測されると不正アクセスなど実害につながるため
パスワードリセット用URL	secrets	第三者に推測されると本人以外がリセットできてしまうため

06 PRACTICAL EXAMPLE ランダム文字列生成の実践例 stringモジュールとの組み合わせ

セキュリティ要件が絡まない用途（テストデータのダミーIDなど）であれば、randomモジュールとstringモジュールを組み合わせたランダム文字列生成は今でも実務でよく使われます。

import random
import string

def generate_dummy_id(length=8):
    chars = string.ascii_uppercase + string.digits
    return ''.join(random.choices(chars, k=length))

for _ in range(3):
    print(generate_dummy_id())
# 例:
# 'K3F9XQ2P'
# 'A7B2ZZ81'
# 'M0QW5T4C' 

この例のように「重複しても実害がない、セキュリティに関わらないダミーデータ」を作る場合は、random.choices()で十分です。逆に「他人に推測されると困る」文脈が少しでもあれば、前章のsecretsモジュールに切り替えるという判断を徹底してください。

07 COMMON MISTAKES よくある間違い・チェックリスト 実装前に確認しておきたいポイント

特に最後の項目は、コードが正常に動作するため見過ごされがちです。「機能テストは通っているのに、セキュリティレビューで指摘される」典型的なパターンなので、パスワード・トークン生成のコードを書く・レビューする際は必ず確認してください。

08 AI-ASSISTED DATA GENERATION 【独自】Claude Codeを使ったテストデータ生成・シミュレーション効率化 AIコーディングアシスタントに任せられる範囲を見極める

randomモジュールの代表的な用途の1つがテストデータの生成です。しかし、「氏名・住所・注文金額・在庫数がそれぞれ現実的な分布になっているダミーデータを100件作る」といった要件になると、手作業でコードを組むのは意外と手間がかかります。

ここで役立つのが、Claude CodeのようなAIコーディングアシスタントです。「こういう構造・分布のテストデータを、randomモジュールを使って生成するスクリプトを書いて」と依頼すると、要件に合わせたコードをその場で組み立ててくれます。

依頼内容	AIへの指示例
基本的なダミーデータ生成	「氏名・年齢・購入金額を持つダミー顧客データを100件、randomで生成するスクリプトを書いて」
重み付きのシミュレーション	「発生確率が異なる3種類のイベントを1000回試行するシミュレーションを、random.choices()の重み付けで実装して」
再現性のあるテストケース	「このテストコードに、乱数の結果を固定するseed()を追加して」
セキュリティ観点のチェック	「このコードでパスワード生成にrandomモジュールが使われていないか確認して」

09 GENAI CASE STUDY 【独自データ】GENAI社内でのPython活用実例 Claude Max 20xプランでの活用実態

弊社（株式会社GENAI）では、Claude Max 20xプラン（月額$200・約30,000円）を契約し、営業・広告運用・記事制作・経理・秘書業務まで、社内のあらゆる業務でPythonスクリプトを活用しています。

業務領域	主な用途	randomモジュールの使いどころ
広告運用	A/Bテスト設計のシミュレーション	random.choices()で配信パターンの重み付けをシミュレーション
ブログ記事	サムネイル画像の重複回避ロジック	random.sample()で未使用の候補から選択
開発・テスト	デモ環境用のダミーデータ生成	random + stringでテスト用の識別子を大量生成

一方で、顧客向けサービスの認証まわり（パスワード再設定用のトークンなど）は、この記事で説明した理由からsecretsモジュールに統一するようルール化しています。「どちらのモジュールを使うか」を毎回個別に判断するのではなく、用途ごとにあらかじめ方針を決めておくことで、レビューの手間を減らしています。

10 CONCLUSION まとめ randomモジュールを正しく使い分ける

randomモジュールは手軽に使える便利なツールですが、「重複の有無」「戻り値の型」「再現性」「セキュリティ上の安全性」といった性質を正しく理解しているかどうかで、コードの品質に大きな差が出ます。特にセキュリティに関わる用途でsecretsモジュールへの切り替えを意識できているかは、実務のコードレビューでも重要なチェックポイントです。

弊社では、こうした基礎的な技術判断を含めて、Claude Codeを活用した業務自動化・システム開発の設計から伴走支援まで行っています。「社内のコード品質を底上げしたい」という方は、ぜひ一度ご相談ください。

コード品質の底上げ・Claude Code導入も、AI鬼管理が伴走します

randomとsecretsの使い分けのような基礎判断の積み重ねが、システム全体の信頼性を左右します。
AI鬼管理では、Claude Codeを活用した業務自動化の設計から、社内エンジニア以外のメンバーへの定着支援まで対応しています。

ここから先の進め方は、大きく2つあります。

自社で回せるようになりたい方は、AI鬼管理でClaude Code／Codexの使い方から業務設計・社内定着まで伴走を受けながら、社内に仕組みを作る道があります。

覚えるより任せたい方は、AI社員AIKATAでこの記事のような定型業務を丸ごと預ける道があります。料金は月30万円の月額定額、追加費用は0円です。

どちらが合うかは、業務量と社内体制次第です。無料相談・無料適合診断で、貴社の場合はどちらが向くかからご相談いただけます。

よくある質問

Q. random.randint()とrandom.randrange()の違いは何ですか？

A. random.randint(a, b)はaとbの両方を含む範囲から整数を返します。一方random.randrange(a, b)はrange()と同じ仕様で、bを含まない範囲から整数を返します。「1〜10」を意図してrandrange(1, 10)と書くと9までしか出ない点に注意が必要です。

Q. random.choices()とrandom.sample()はどう使い分けますか？

A. random.choices()は重複ありで複数要素を選ぶ関数で、同じ要素が複数回選ばれることがあります。random.sample()は重複なしで選ぶ関数です。抽選会の当選者選びのように重複を避けたい場合はsample()、サイコロを複数回振るシミュレーションのように重複してよい場合はchoices()を使います。

Q. random.shuffle()の戻り値をprintしても何も表示されないのはなぜですか？

A. random.shuffle()はリストを直接その場で並び替える関数で、戻り値は常にNoneだからです。シャッフルした結果を確認したい場合は、shuffle()を実行した後のリストそのものをprintしてください。変数に代入すると中身がNoneになって消えてしまうので注意が必要です。

Q. なぜパスワード生成にrandomモジュールを使ってはいけないのですか？

A. Pythonのrandomモジュールはメルセンヌ・ツイスタというアルゴリズムを使っており、統計的な品質は高いものの暗号学的には安全ではありません。十分な数の出力を観測されると内部状態を推測され、生成される値を予測される可能性があります。パスワードやトークンなど予測されると困る用途には、暗号学的に安全なsecretsモジュールを使ってください。

Q. seed()を使うとどんなメリットがありますか？

A. 同じシード値を指定すれば、生成される乱数の順番を毎回同じにできるため、テストやデバッグで結果を再現しやすくなります。ランダムな要素を含む処理のテストコードを書く際、seed()で乱数を固定しておくことで、実行結果が安定した検証が可能になります。

Q. テストデータの生成にrandomモジュールを使うのは問題ありませんか？

A. 問題ありません。テストデータやダミーデータのように「予測されても実害がない」用途であれば、randomモジュールで十分です。セキュリティ上の注意が必要になるのは、パスワードやトークンなど、他人に予測されると実際の被害につながる値を生成する場合に限られます。

AIAI鬼管理

AI鬼管理／AI社員AIKATAへのお問い合わせ

この記事を読んで気になった方へ。
専門スタッフが、御社に最適な
業務自動化・業務代行プランを無料でご提案します。

ご希望のサービス

お問い合わせ対象のサービス*必須 選択してください AI鬼管理（AI業務自動化の導入支援） AI社員AIKATA（業務の丸ごと代行） 両方・相談して決めたい

サービスを選択してください

---

お客様情報

会社名・屋号*必須

会社名を入力してください

業種*必須 選択してください IT・ソフトウェア 製造業 建設・不動産 小売・EC 飲食・宿泊 医療・介護 教育・研修 士業・コンサル 人材・BPO その他

業種を選択してください

お名前*必須

お名前を入力してください

メールアドレス*必須

※法人・事業用のメールアドレスでお願いします（Gmail等の個人用フリーメールは受付できません）

正しいメールアドレスを入力してください

電話番号任意

---

現在の課題について

現在感じている課題*必須

人手不足で業務が回らない 社長・経営者が現場を離れられない 定型業務に時間を取られている AIを導入したいが何から始めればいいかわからない 外注・人件費コストが高い 業務フローが属人化している 社員のITリテラシーにばらつきがある

1つ以上選択してください

効率化・自動化したい業務*必須

営業・顧客対応（CRM・メール等） 経理・請求書・入金管理 採用・人事・労務管理 マーケティング・SNS・広告運用 カスタマーサポート・問い合わせ対応 資料作成・レポート・議事録 データ入力・集計・分析 社内の情報共有・ナレッジ管理

1つ以上選択してください

上記業務に現在かけている月額コスト*必須 選択してください まだかけていない（これから検討） 〜10万円 10〜30万円 30〜50万円 50〜100万円 100万円以上 その他（自由入力）

月額コストを選択してください

その他、ご相談内容任意

---

面談日時の選択

ご希望の日時*必須

約1時間のオンライン面談（Google Meet）です

空き枠を取得中...

面談日時を選択してください

この内容で面談を予約する

予約確定後、Google Calendarの招待メールをお届けします。
しつこい営業は一切ございません。