9.6. random —生成伪随机数

源代码： Lib/random.py

该模块为各种分布实现伪随机数生成器。

对于整数，从范围中进行均匀选择。对于序列，统一选择随机元素，生成就地列表的随机排列的函数，以及用于随机抽样而不替换的函数。

实际上，有一些函数可以计算均匀分布，正态分布(高斯分布)，对数正态分布，负指数分布，伽玛分布和贝塔分布。为了生成角度分布，可以使用冯·米塞斯分布。

几乎所有模块Function都依赖于基本Functionrandom()，基本Functionrandom()在半开范围[0.0，1.0)中均匀地生成随机浮点数。 Python 使用 Mersenne Twister 作为核心生成器。它产生 53 位精度的浮点数，周期为 2 ** 19937-1. C 语言的基础实现既快速又线程安全。 Mersenne Twister 是现有测试最广泛的随机数生成器之一。但是，由于是完全确定性的，因此它并不适合所有目的，并且完全不适合于加密目的。

该模块提供的Function实际上是random.Random类的隐藏实例的绑定方法。您可以实例化自己的Random实例以获得不共享状态的生成器。这对于多线程程序特别有用，它为每个线程创建Random的不同实例，并使用jumpahead()方法使每个线程看到的生成序列不重叠。

如果要使用自己设计的其他基本生成器，也可以将Random类作为子类：在这种情况下，请覆盖random()，seed()，getstate()，setstate()和jumpahead()方法。可选地，新的生成器可以提供getrandbits()方法-这使randrange()可以在任意较大的范围内产生选择。

2.4 版的新Function：getrandbits()方法。

作为子类的示例，random模块提供了WichmannHill类，该类在纯 Python 中实现了备用生成器。该类提供了一种向后兼容的方法，可以从早期版本的 Python 中重现结果，该早期版本使用 Wichmann-Hill 算法作为核心生成器。请注意，不再建议使用此 Wichmann-Hill 生成器：按照现代标准，其周期太短，并且已知生成的序列未pass某些严格的随机性测试。有关修复这些缺陷的最新变体，请参见下面的参考。

在版本 2.3 中进行了更改：MersenneTwister 取代了 Wichmann-Hill 作为默认生成器。

random模块还提供SystemRandom类，该类使用系统函数os.urandom()从 os 提供的源中生成随机数。

Warning

出于安全目的，不应使用此模块的伪随机数生成器。如果需要加密安全的伪随机数生成器，请使用os.urandom()或SystemRandom。

Bookkeeping functions:

None或当前时间或 os 特定的随机性源(如果有)中没有自变量种子(有关可用性的详细信息，请参见os.urandom()函数)。

如果* a *不是None或int或long，则使用hash(a)代替。请注意，启用 PYTHONHASHSEED后，某些类型的哈希值是不确定的。

在版本 2.4 中进行了更改：以前未使用 os 资源。

2.1 版中的新Function。

在 2.6 版中进行了更改：Python 2.6 中产生的状态值无法加载到早期版本中。

2.1 版中的新Function。

2.1 版中的新Function。

在版本 2.3 中进行了更改：jumpahead(n)跳转到另一个可能被许多步分开的状态，而不是跳到特定状态，而是向前移动* n *。

2.4 版的新Function。

整数函数：

版本 1.5.2 中的新Function。

序列函数：

注意，即使是很小的len(x)，* x *的排列总数也比大多数随机数生成器的周期大；这意味着长序列的大多数排列永远不会生成。

2.3 版的新Function。

返回一个新列表，其中包含来自总体的元素，同时保留原始总体不变。结果列表按选择 Sequences 排列，因此所有子切片也将是有效的随机 samples。这样就可以将抽奖活动的获胜者(samples)划分为大奖和第二名的获胜者(子片段)。

人口成员不必为hashable或唯一。如果总体包含重复，则每次出现都是 samples 中的可能选择。

要从整数范围中选择 samples，请使用xrange()对象作为参数。这对于从大量人口sample(xrange(10000000), 60)进行采样特别快速且节省空间。

以下函数生成特定的实值分布。函数参数以分布方程式中的相应变量命名，如通常的 math 实践中所用；这些方程式中的大多数都可以在任何统计信息文本中找到。

根据公式a + (b-a) * random()中的浮点舍入，端点值b可以包含或可以不包含在范围内。

2.6 版的新Function。

概率分布函数为：

x ** (alpha - 1) * math.exp(-x / beta)
pdf(x) =  --------------------------------------
            math.gamma(alpha) * beta ** alpha

Alternative Generators:

2.4 版的新Function。

基本用法示例：

>>> random.random()        # Random float x, 0.0 <= x < 1.0
0.37444887175646646
>>> random.uniform(1, 10)  # Random float x, 1.0 <= x < 10.0
1.1800146073117523
>>> random.randint(1, 10)  # Integer from 1 to 10, endpoints included
7
>>> random.randrange(0, 101, 2)  # Even integer from 0 to 100
26
>>> random.choice('abcdefghij')  # Choose a random element
'c'

>>> items = [1, 2, 3, 4, 5, 6, 7]
>>> random.shuffle(items)
>>> items
[7, 3, 2, 5, 6, 4, 1]

>>> random.sample([1, 2, 3, 4, 5],  3)  # Choose 3 elements
[4, 1, 5]

See also

M. Matsumoto 和 T. Nishimura，“ Mersenne Twister：一个 623 维均匀分布的均匀伪随机数发生器”，ACM Transactions on Modeling and Computer Simulation Vol。第八卷，第 1 期，1998 年 1 月 3-30 日。

Wichmann，B.A。＆Hill，I.D。，“算法 Algorithm AS 183：有效且可移植的伪随机数发生器”，Applied Statistics 31(1982)188-190.

Complementary-Multiply-with-Carry recipe用于具有较长周期和相对简单更新操作的兼容替代随机数生成器。

首页