Python 伪随机数生成器

random.sample() 函数原理

在 Python 中，随机数的生成通常依赖于伪随机数生成器（PRNG）。random 模块提供了一个易于使用的接口来生成伪随机数。以下是 random 模块中随机数生成的基本原理和方法：

伪随机数生成器（PRNG）

伪随机数生成器使用一个初始值（称为种子）和一个算法来生成一系列数字，这些数字在统计上看起来是随机的，但实际上是确定的，因为算法和种子是已知的。

random 模块中的随机数生成

以下是一些在 random 模块中生成随机数的方法：

1. random.random()

这个函数返回一个 [0.0, 1.0) 范围内的随机浮点数。它是大多数其他随机数生成函数的基础。

import random
# 生成一个 0.0 到 1.0 之间的随机浮点数
random_number = random.random()

2. random.randint(a, b)

这个函数返回一个 [a, b] 范围内的随机整数。

# 生成一个 1 到 10 之间的随机整数
random_integer = random.randint(1, 10)

3. random.randrange(start, stop[, step])

这个函数返回一个从 start 开始，到 stop 结束（不包括 stop）的范围内，按 step 步长递增的随机整数。

# 生成一个 0 到 9 之间的随机整数
random_range_integer = random.randrange(0, 10)

4. random.seed(a=None)

这个函数用于初始化随机数生成器的种子。如果不提供种子，默认使用系统时间或其他来源的随机值。如果提供种子，每次运行程序时都会生成相同的随机数序列。

# 设置随机数生成器的种子
random.seed(12345)

随机数生成背后的算法

在 Python 中，random 模块通常使用以下算法之一：

• Mersenne Twister：这是一个广泛使用的伪随机数生成器，它是 random 模块在 Python 3 中的默认算法。它提供了长周期（2^19937-1）和高统计质量的随机数。
• ** Wichmann-Hill**：这是 Python 2 中使用的算法，但在 Python 3 中仍然可用。

真实随机数

对于需要更高随机性的应用，可以使用 secrets 模块，它提供了用于生成密码学安全随机数的函数。这些函数依赖于操作系统的随机数生成器，通常可以提供更好的随机性。

import secrets
# 生成一个密码学安全的随机整数
secure_random_integer = secrets.randbelow(100)

总的来说，random 模块提供了足够好的随机数生成功能，适用于大多数非密码学应用。对于需要高度安全性的场合，应使用 secrets 模块。