randint(a, b) 生成包含两端的整数随机数，如 randint(1, 6) 返回 1~6（含），易与 range 或 randrange 的左闭右开混淆，导致逻辑错误；使用时须确保 a ≤ b。
randint 生成整数随机数，但边界值容易搞反
randint 是最常用的整数随机函数，但它和 range 不同：两个参数都**包含在内**。比如 randint(1, 6) 可能返回 1、2、3、4、5 或 6 —— 不是 1 到 5。新手常误以为它像 random.randrange(1, 6) 那样左闭右开，结果多出一个值或少一个值。
常见错误现象：ValueError 倒不常有，但逻辑错位很隐蔽，比如模拟骰子却出现 0 或 7；或者做索引时越界（如用 randint(0, len(lst)) 而不是 randint(0, len(lst)-1)）。
- 用
randint(a, b)时，确保a ，否则直接抛 <code>ValueError - 需要「左闭右开」行为（如取索引），优先用
randrange(a, b)或choice(range(a, b)) - 如果只是想从固定范围选一个整数，且边界明确，
randint最直白；但涉及循环、索引、分片时，建议统一用randrange避免混淆
choice 适合从序列里抽一个元素，但不能传字符串字面量当“单个选项”
choice 的输入必须是**非空序列**（list、tuple、str、bytes 等），但它对 str 的处理常被误解：传入 "abc" 会随机返回 'a'、'b' 或 'c'，而不是把整个字符串当一个选项。
典型翻车场景：想从几个字符串中随机选一个，却写成 choice("apple", "banana", "cherry") —— 这会报 TypeError: choice() takes exactly one argument；或者误写成 choice("apple")，结果只在字母间挑。
- 从多个字符串中选一个，得包成列表：
choice(["apple", "banana", "cherry"]) - 如果序列只有一个元素（比如
[42]），choice永远返回它，不会报错，但可能掩盖逻辑漏洞 -
choice对str和bytes是按字符/字节抽，不是按“单词”抽 —— 这是设计如此，不是 bug
randint 和 choice 性能差异小，但 choice 依赖序列长度，randint 不依赖数据
两者底层都调用同一个随机数生成器（_random.Random().random()），所以性能差别几乎可以忽略。真正影响选择的是语义和输入结构。
例如，要从 [10, 20, 30, 40] 里随机取一个数，用 choice([10, 20, 30, 40]) 更自然；但如果只是要 10~40 之间任意整数，randint(10, 40) 不用构造列表，内存更省，也更清晰。
-
choice(seq)时间复杂度是 O(1)，但前提是len(seq)是 O(1) 操作（list、str是，而某些自定义迭代器可能不是） -
randint(a, b)完全不检查输入内容，只做算术运算，所以哪怕a和b是超大整数（如10**100），只要不溢出 Python int，它就照算 - 如果序列很大（比如百万级 list），又只需要一个随机元素，
choice仍是首选 —— 它不会遍历，只取索引
别忘了先 import random，且不要重命名模块破坏可读性
几乎所有问题都卡在这一步：NameError: name 'randint' is not defined 或 AttributeError: module 'random' has no attribute 'randint'。根本原因只有两个：没导入，或导入方式不对。
常见错误写法：from random import *（污染命名空间）、import random as r 然后写 r.randint(1,6)（看似省事，但团队协作时别人看不懂 r 是啥）。
- 标准写法就是
import random，然后用random.randint(1, 6)和random.choice([...]) - 如果确定只用这两个函数，可以用
from random import randint, choice，但别加as改名 - 绝对不要在函数里反复
import random—— 模块导入是全局的，重复 import 没副作用但显得慌乱
真正容易被忽略的是：当你在类方法或闭包里多次调用 randint 或 choice，却没意识到它们共享同一个全局随机状态。如果需要隔离随机行为（比如单元测试、多线程），得显式创建 random.Random() 实例，而不是依赖模块级别的函数。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
