random库中的小秘密

random中的小秘密

我们都知道python中有一个很强大的随机数生成库：random
random库中常用的函数有八个，分别是：

• random()
• randint（）
• randrange()
• getrandbits()
• uniform()
• choice()
• shuffle()
• seed()

从概率论角度来说，随机数是随机产生的数据（比如抛硬币），但时计算机是不可能产生随机值，真正的随机数也是在特定条件下产生的确定值，只不过这些条件我们没有理解，或者超出了我们的理解范围。计算机不能产生真正的随机数，那么伪随机数也就被称为随机数。
——伪随机数：计算机中通过采用梅森旋转算法生成的（伪）随机序列元素。

明白了吧，其实计算机中产生的随机数并不是真正的随机数，而是一个伪随机序列。下面通过实验来说明这点，帮助大家更好的理解。
首先我们先介绍random中两个常见的函数。
random():生成一个[0.0,1.0)之间的随机小数

seed（a=None）：初始化给定的随机数种子，默认为当前系统时间

import random
random.seed(10)		#这个函数是没有任何输出的，它的作用是初始化了random
					的随机数种子，比如现在参数为10，那么random库中的函数
					生成随机数时就会产生种子10对应的伪随机序列

上面我们已经给定了随机数种子，那么现在开始实验。

import random
random.seed(10)
for i in range(10):
    print(random.random())

在初始化种子为10以后，我们执行了random.random()函数十次，我们来看一下结果，很显然没有任何规律。

0.5714025946899135
0.4288890546751146
0.5780913011344704
0.20609823213950174
0.81332125135732
0.8235888725334455
0.6534725339011758
0.16022955651881965
0.5206693596399246
0.32777281162209315

但是如果我们再把上边的程序执行一次就会发现一些有趣的事情了。

0.5714025946899135
0.4288890546751146
0.5780913011344704
0.20609823213950174
0.81332125135732
0.8235888725334455
0.6534725339011758
0.16022955651881965
0.5206693596399246
0.32777281162209315

可以看到结果完全一样，也就是说只要seed()初始化种子一定，那么函数random（）产出的随机数值顺序也就确定了，或者说产生的随机数从伪随机数列中顺序产生。

至于random库中的其他重要函数，大家有兴趣可以去试一下。