在C++（0）和RANDMAX之间的范围内返回一个伪随机整数。 RAND_MAX 是“依赖于库，但保证在任何标准库实现上至少为32767。”
我们开始吧 RAND_MAX 32767。
当计算[0，32767）%10000时，随机数生成是倾斜的。
值0-2767在范围（%10000）->
值计算结果11%10000110001%100001000120001%10000130001%10000130001%100001
其中，值2768-9999在范围（%10000）内仅出现3次->
值计算结果27682768%10000276812768%10000276882276822768%1000027768
这使得值0-2767比值2768-9999（假设）更可能出现25% rand() 事实上，会在0和rand_max）之间产生一个均匀分布。
另一方面，python使用randint在开始和结束之间生成一个均匀的分布 randint 是“randrange（a，b+1）的别名”
randrange（在python 3.2及更新版本中）将生成均匀分布的值：
在版本3.2中进行了更改：randrange（）在生成均匀分布的值方面更加复杂。以前它使用int（random（）*n）这样的样式，这可能会产生稍微不均匀的分布。
在C++中有几种生成随机数的方法。也许最类似于 python 将使用mersenne twister引擎（与python相同，但有一些不同）。
通过 uniform_int_distribution 具有 mt19937 :

# include <iostream>

# include <random>

# include <chrono>

int get_drops(int rolls) {
    std::mt19937 e{
            static_cast<unsigned int> (
                    std::chrono::steady_clock::now().time_since_epoch().count()
            )
    };
    std::uniform_int_distribution<int> d{0, 9999};
    int drops = 0;
    for (int i = 0; i < rolls; i++) {
        float roll = d(e) / 100.0f;
        if (roll < 0.04) {
            drops++;
        }
    }
    return drops;
}

int main() {
    for (int i = 0; i <= 10; i++) {
        std::cout << get_drops(1000000) << "\n";
    }
}

值得注意的是，这两个引擎的底层实现以及种子和分发都略有不同，但是，这将更接近python。
或者，正如matthias fripp所建议的那样，按比例放大兰德并除以 RAND_MAX :

int get_drops(int rolls) {
    int drops = 0;
    for (int i = 0; i < rolls; i++) {
        float roll = (10000 * rand() / RAND_MAX) / 100.0f;
        if (roll < 0.04) {
            drops++;
        }
    }
    return drops;
}

这也更接近python输出（同样，在底层实现中生成随机数的方式上存在一些差异）。

结果是倾斜的，因为 rand() % 10000 这不是实现均匀分布的正确方法(另见stephan t.认为有害的rand（）。在现代C++中，首选头文件中提供的伪随机数生成库。 <random> . 例如：

# include <iostream>

# include <random>

int get_drops(int rolls)
{
    std::random_device rd;
    std::mt19937 gen{ rd() };
    std::uniform_real_distribution<> dis{ 0.0, 100.0 };
    int drops{ 0 };
    for(int roll{ 0 }; roll < rolls; ++roll)
    {
        if (dis(gen) < 0.04)
        {
            ++drops;
        }
    }

    return drops;
}

int main()
{
    for (int i{ 0 }; i <= 10; ++i)
    {
        std::cout << get_drops(1000000) << '\n';
    }
}

两种语言都使用不同的伪随机生成器。如果要统一性能，可能需要确定地生成自己的伪随机值。
以下是它在python中的外观：

SEED = 101
TOP = 999
class my_random(object):
    def seed(self, a=SEED):
        """Seeds a deterministic value that should behave the same irrespectively of the coding language"""
        self.seedval = a
    def random(self):
        """generates and returns the random number based on the seed"""
        self.seedval = (self.seedval * SEED) % TOP
        return self.seedval

instance = my_random(SEED)
read_seed = instance.seed
read_random = instance.random()

然而，在C++中，应该成为：

const int SEED = 101;
const int TOP = 9999;
class myRandom(){
    int seedval;
    public int random();
    myRandom(int a=SEED){
        this.seedval = a;
    }
    int random(){
        this.seedval = (this.seedval * SEED) % TOP;
        return this.seedval;
    }
    int seed(){
        return this.seedval;
    }
}
instance = myRandom(SEED);
readSeed = instance.seed;
readRandom = instance.random();