Python的random内置模块产生的随机数真的随机吗？

公众号后台回复“图书“，了解更多号主新书内容

作者：天元浪子

来源：Python作业辅导员

先说结论：不止Python的random内置模块，还包括numpy的随机抽样子模块random，以及其他编程语言的随机数生成器，例如java.Math.Random()函数，所有这些随机数生成器生成的随机数都不是真正的随机数，而是伪随机数。

什么是真随机数呢？真随机数的典型特征是不可预测性。上面所说的这些随机数生成器都是在一个封闭的系统内，使用固定的算法（通常是线性同余或平方取中），通过一个种子（通常用时钟代替）生成随机数。这意味着，如果知道了种子和已经产生的随机数，就可能获得接下来随机数序列的信息，这就是伪随机数的可预测性。

下面的代码，很容易证明Python的random内置模块所生成随机数的伪随机性。

>>> import random
>>> random.seed(12345)
>>> [random.random() for i in range(3)]
[0.41661987254534116, 0.010169169457068361, 0.8252065092537432]

random.seed() 函数指定伪随机数生成器的初始化种子为12345，在该条件下生成的随机数序列是固定的。上面的代码显示了前3个随机数。在任意时刻，再次使用相同的种子初始化伪随机数生成器，那么接下来生成的随机数就是可预测的（已知的）。

>>> random.seed(12345)
>>> random.random()
0.41661987254534116
>>> random.random()
0.010169169457068361
>>> random.random()
0.8252065092537432

可见，random生成的随机数的确是伪随机数。那么，如何生成真正意义上的随机数呢？在一个封闭的系统内，因为计算机硬件是确定的，代码是固定的，算法是准确的，通过这些确定的、固定的、准确的东西不会产生真正的随机数，除非引入这个封闭系统以外的因素，比如天空云朵的形状、邻居家无线网络信号的强度、海岸线形状等。

不过，要想引入封闭系统之外的随机因子并非易事。在某些计算机系统中，使用电路的热噪声来产生真随机数。这究竟是不是真正意义上的随机数，我对此持怀疑态度，因为热噪声的某些特性是可预知的，比如，芯片功耗越大，发热量越大；环境温度越高，散热效果越差。

◆ ◆ ◆  ◆ ◆麟哥新书已经在当当上架了，我写了本书：《拿下Offer-数据分析师求职面试指南》，目前当当正在举行活动，大家可以用相当于原价5折的预购价格购买，还是非常划算的：

数据森麟公众号的交流群已经建立，许多小伙伴已经加入其中，感谢大家的支持。大家可以在群里交流关于数据分析&数据挖掘的相关内容，还没有加入的小伙伴可以扫描下方管理员二维码，进群前一定要关注公众号奥，关注后让管理员帮忙拉进群，期待大家的加入。
管理员二维码：
猜你喜欢
● 卧槽！原来爬取B站弹幕这么简单● 厉害了！麟哥新书登顶京东销量排行榜！● 笑死人不偿命的知乎沙雕问题排行榜
● 用Python扒出B站那些“惊为天人”的阿婆主！● 你相信逛B站也能学编程吗