python随机生成小写字母表_用小写字母生成大随机字符串的最快方法

下面是Python 3代码，它在0.28秒内生成1000000个“随机”小写字母(另请参见最后的0.11-秒解决方案；@Ashwini Chaudhary的问题代码在我的机器上需要0.55秒，@Markku K.的代码——0.53)：#!/usr/bin/env python3

import os

import sys

def write_random_lowercase(n):

min_lc = ord(b'a')

len_lc = 26

ba = bytearray(os.urandom(n))

for i, b in enumerate(ba):

ba[i] = min_lc + b % len_lc # convert 0..255 to 97..122

sys.stdout.buffer.write(ba)

write_random_lowercase(1000000)

% len_lc虽然它仍然满足条件(ascii，小写，1，2，3个字母序列的频率)，但它扭曲了分布(请参见末尾的如何修复)：$ python3 generate-random.py | python3 check-seq.py

其中check-seq.py：#!/usr/bin/env python3

import sys

from collections import Counter

from string import ascii_lowercase

def main():

limits = [40000, 2000, 100]

s = sys.stdin.buffer.readline() # a single line

assert 1000000 <= len(s) <= 1000002 # check length +/- newline

s.decode('ascii','strict') # check ascii

assert set(s) == set(ascii_lowercase.encode('ascii')) # check lowercase

for n, lim in enumerate(limits, start=1):

freq = Counter(tuple(s[i:i+n]) for i in range(len(s)))

assert max(freq.values()) <= lim, freq

main()

注：在acm.timus.rugenerate-random.py上给出“超出输出限制”。

要提高性能，可以使用^{} method(0.11秒)：#!/usr/bin/env python3

import os

import sys

# make translation table from 0..255 to 97..122

tbl = bytes.maketrans(bytearray(range(256)),

bytearray([ord(b'a') + b % 26 for b in range(256)]))

# generate random bytes and translate them to lowercase ascii

sys.stdout.buffer.write(os.urandom(1000000).translate(tbl))

如何修复% len_lc倾斜

256(字节数)不能被26(低位拉丁字母数)整除，因此公式min_lc + b % len_lc使某些值出现的频率低于其他值，例如：#!/usr/bin/env python3

"""Find out skew: x = 97 + y % 26 where y is uniform from [0, 256) range."""

from collections import Counter, defaultdict

def find_skew(random_bytes):

char2freq = Counter(chr(ord(b'a') + b % 26) for b in random_bytes)

freq2char = defaultdict(set)

for char, freq in char2freq.items():

freq2char[freq].add(char)

return {f: ''.join(sorted(c)) for f, c in freq2char.items()}

print(find_skew(range(256)))

# -> {9: 'wxyz', 10: 'abcdefghijklmnopqrstuv'}

这里，输入range(256)是均匀分布的(每个字节只出现一次)，但是输出中的'wxyz'字母的出现频率低于其余的9与10的出现频率。要修复此问题，可以删除未对齐的字节：print(find_skew(range(256 - (256 % 26))))

# -> {9: 'abcdefghijklmnopqrstuvwxyz'}

这里，输入是在[0, 234)范围内均匀分布的字节，输出是均匀分布的ascii小写字母。

bytes.translate()接受第二个参数以指定要删除的字节：#!/usr/bin/env python3

import os

import sys

nbytes = 256

nletters = 26

naligned = nbytes - (nbytes % nletters)

tbl = bytes.maketrans(bytearray(range(naligned)),

bytearray([ord(b'a') + b % nletters

for b in range(naligned)]))

bytes2delete = bytearray(range(naligned, nbytes))

R = lambda n: os.urandom(n).translate(tbl, bytes2delete)

def write_random_ascii_lowercase_letters(write, n):

"""*write* *n* random ascii lowercase letters."""

while n > 0:

# R(n) expected to drop `(nbytes - nletters) / nbytes` bytes

# to compensate, increase the initial size

n -= write(memoryview(R(n * nbytes // naligned + 1))[:n])

write = sys.stdout.buffer.write

write_random_ascii_lowercase_letters(write, 1000000)

如果随机生成器(os.urandom)生成超出对齐范围(>=234)的长字节序列，则while循环可能会执行多次。

如果使用^{}而不是^{}，时间性能可以提高一个数量级。前者使用Mersenne Twister作为核心生成器，其速度可能比使用操作系统提供的源代码的os.urandom()快。如果使用随机字符串作为机密，则后者更安全。