random---伪随机数生成器

时间：2015-12-24 00:13:54 阅读：646 评论：0 收藏：0 [点我收藏+]

标签：

python3.5

作用：实现了多种类型的伪随机数生成器

random模块基于Mersenne Twister 算法提供了一个快速伪随机数生成器。原先开发这个生成器是为了向蒙特卡洛模拟生成输入，Mersenne Twister算法会生成有一个大周期的近均匀分布的数，以适用于各种类型的应用。

1.生成随机数

random()函数从所生成的序列返回下一个随机的浮点数值。返回的所有值都在0-n之间。

import random

for i in range(5):
print("%04.3f" % random.random())
0.166
0.201
0.282
0.920
0.429

要生成一个指定数值区间内的数，则要使用uniform().

import random

for i in range(3):
print("%.3f" % random.uniform(1,100))
3.520
79.323
15.854

传入最大值和最小值，uniform()会使用公式min+(max-min)*random()来调整random()的返回值

2.指定种子

每次调用random()会生成不同的值，在一个非常的的周期之后数字才会重复。这对于生成唯一值或变化的值很有用，不过有些情况下可能需要提供相同的数据集，从而以不同的方式处理。对此，一种方法是使用一个程序来生成随机数，并保存这些随机数，以便通过一个单独的方式另行处理。不过对于量很大的数据来说可能并不实用，所以random包含了一个seed()函数，用来初始化伪随机数生成器，使它能生成一个期望的值集。

种子(seed)值会控制生成伪随机数所用公式产生的第一个值，由于公式是确定的，改变种子也就设置了整个要生成的序列。seed()的参数可以是任意可散列对象。默认会使用平台特定的随机源（如果有的话）。否则，会使用当前时间。

【伪随机数之所以是伪，应该就是这个原因了吧，种子定了，整个序列就定了，通过不短变换种子值得到随机数】

3.保存状态

random()使用的伪随机算法的内部状态可以保存，并用于控制后续各轮生成的随机数。继续生成随机数之前恢复前一个状态，这会减少有之前输入得到重复的值或值序列的可能性。getstate()函数会返回一些数据，以后可以用setstate()利用这些数据重新初始化伪随机数生成器。

import random
import os
import pickle

if os.path.exists(‘state.dat‘):
    print("Found state.dat, initializing random module")
    with open(‘state.dat‘,‘rb‘) as fp:
        state=pickle.load(fp)
    random.setstate(state)
else:
    print("No state.dat, seeding")
    random.seed(1)

for i in range(3):
    print("%.3f" % random.random())
print()

with open(‘state.dat‘,‘wb‘) as fp:
    pickle.dump(random.getstate(),fp)

print("\nAfter saving state")
for i in range(3):
    print("%.3f" % random.random())
print()

gerstate()返回的数据是一个实现细节，所以这个例子用pickle将数据保存到一个文件，不过可以把它当作一个黑盒。如果程序开始是这个文件存在，则加载原来的状态并继续。每次运行时都会在保存之前及之后生成一些书，以展示恢复状态会导致生成器在次生成同样的值

【相当于电影重放一样，设置一个节点getstate()[记录播放到的时间]，用setstate()回到上次节点的时间，再次播放一遍】

4.随机整数

random()将生成浮点数。可以吧结果转换为整数，不过直接使用randint()生成整数会更方便。

import random

print("[1,100]")
for i in range(5):
print(random.randint(1,100),end=‘ ‘)
print()

print("[-10,5]")
for i in range(5):
print(random.randint(-10,5),end=‘ ‘)