Python 的random模块实际上是围绕random.Random类型构建的。各种“随机函数”，例如random.random仅使用该类型的默认实例。

要创建自己的随机数生成器，只需子类化random.Random并替换其random 方法即可。虽然对基本功能没有严格要求，但强烈建议调整seed,getstate和setstate方法。

class RangeRandom(Random):
    """
    Example "random" number generator that provides numbers from a uniform sequence
    """
    def __init__(self, resolution=100):
        self._pos = 0
        self._resolution = resolution

    def random(self) -> float:
        self._pos = (self._pos + 1) % self._resolution
        return self._pos / self._resolution

    def getstate(self):
        return self._pos, self._resolution

    def setstate(self, state) -> None:
        self._pos,self._resolution = state

    def seed(self, a) -> None:
        self._pos = int(a) % self._resolution

值得注意的是，定义random方法足以使所有其他方法使用相同的潜在“随机性”。例如，使用choice或randint将基于以下random方法绘制的随机整数：

>>> rand = RangeRandom()
>>> vals = [1, 2, 3, 4]
>>> [rand.choice([1, 2, 3, 4]) for _ in range(5)]
[2, 4, 2, 4, 2, 4]

值得指出的是，虽然实现random就足够了，random.Random然后使用内部助手将随机浮点数转换为随机整数；这本质上是有损的，因为 float 的精度有限。如果随机数生成器允许，建议也实现_randbelow或至少getrandbits.

random.getrandbits(k)

返回具有 k 个随机位的非负 Python 整数。此方法随 MersenneTwister 生成器提供，其他一些生成器也可以将其作为 API 的可选部分提供。当可用时， getrandbits() 使 randrange() 能够处理任意大的范围。

未记录的方法_randbelow必须接受一个整数n并返回一个区间内的随机整数[0, n)。

class ArbitraryRangeRandom(RangeRandom):
    """
    Example "random" number generator for floats/ints from a uniform sequence
    """
    def _randbelow(self, n: int) -> int:
        self.random()  # advance the RNG
        if n == 0:
            return 0
        elif n <= self._resolution:
            return self._pos % n
        else:
            return self._pos * (n // self._resolution)

>>> rand = RangeRandom()
>>> vals = [1, 2, 3, 4]
>>> # explicit int support provides better resolution/spacing
>>> print([rand.choice([1, 2, 3, 4]) for _ in range(5)])
[2, 3, 4, 1, 2]