Python随机数生成模块教程演示如何在Python中生成伪随机数。
1 介绍
1.1 随机数字生成器
随机数生成器(RNG)生成一组在外观上不显示任何可区分模式的值。随机数生成器分为两类:硬件随机数生成器和伪随机数生成器。硬件随机数生成器被认为能产生真正的随机数。伪随机数生成器根据软件算法生成值。它们产生的值看起来是随机的。但这些值是确定性的，如果算法已知，可以重新生成。
在计算中，随机生成器用于游戏、模拟或密码学。为了安全起见，必须使用加密安全的伪随机数生成器。为了提高伪随机数生成器的质量，操作系统使用从设备驱动程序、用户输入延迟或来自一个或多个硬件组件的抖动中收集的环境噪声。这是加密安全伪随机数生成器的核心。
1.2 Python random 模块
内置的Python random模块为各种分布实现伪随机数生成器。Python使用Mersenne Twister算法来生成伪随机数。这个模块安全性不高。对于安全相关的任务，推荐使用secrets模块。
1.3随机种子
种子是初始化随机数生成器的值。随机数生成器通过对以前的值执行一些操作来生成值。当算法开始时，种子是生成器操作的初始值。生成器最重要和最困难的部分是提供接近真正随机数的种子。要注意的是同一种子产生相同的伪随机数集。
2 使用
2.1 Python random模块同一随机种子使用
在下面的示例中，我们使用相同的种子。相同的种子值产生相同的伪随机值。
import random
myseed = 16
# 设置随机种子
random.seed(myseed)
# 产生随机数
print(random.random())
print(random.random())
print(random.random())
print('********************************')
random.seed(myseed)
print(random.random())
print(random.random())
print(random.random())
0.36152277491407514
0.480480665601294
0.4169526266056648
********************************
0.36152277491407514
0.480480665601294
0.4169526266056648
2.2 Python random.randint
random.randint函数在值[x，y]之间生成整数。以下示例生成数字1到10之间的四个随机整数。
import random
val = random.randint(1, 10)
print(val)
val = random.randint(1, 10)
print(val)
val = random.randint(1, 10)
print(val)
val = random.randint(1, 10)
print(val)
5
6
3
10
2.3 Python random.randrange
random.randrange函数排除了右边的区间。它选择[x，y)之间的值。以下示例生成数字1到10之间的四个随机整数，其中排除了值10。
import random
val = random.randrange(1, 10)
print(val)
val = random.randrange(1, 10)
print(val)
val = random.randrange(1, 10)
print(val)
val = random.randrange(1, 10)
print(val)
5
1
4
5
2.4 Python random.uniform
random.uniform函数在值[x，y]之间生成随机浮点数。以下示例在数字1和10之间产生四个随机浮点数。
import random
val = random.uniform(1, 10)
print(val)
val = random.uniform(1, 10)
print(val)
val = random.uniform(1, 10)
print(val)
val = random.uniform(1, 10)
print(val)
1.1833595562120247
2.3856384178156502
6.45443300907888
6.678603948997886
2.5 Python random.choice
该random.choice函数从非空序列返回一个随机元素。该示例从列表中随机抽取一个单词四次。
import random
words = ['sky', 'storm', 'rock', 'falcon', 'forest']
val = random.choice(words)
print(val)
val = random.choice(words)
print(val)
val = random.choice(words)
print(val)
val = random.choice(words)
print(val)
falcon
falcon
forest
rock
2.6 Python random.shuffle
random.shuffle函数可以将序列打乱。以下示例将单词列表随机打乱两次。
import random
words = ['sky', 'storm', 'rock', 'falcon', 'forest']
random.shuffle(words)
print(words)
random.shuffle(words)
print(words)
['sky', 'falcon', 'forest', 'rock', 'storm']
['storm', 'forest', 'falcon', 'sky', 'rock']
2.7 Python random.sample
random.sample允许从一个序列中随机抽取n个唯一元素。以下示例从单词列表中两次随机抽取三个元素。
import random
words = ['sky', 'storm', 'rock', 'falcon', 'forest']
sample = random.sample(words, 3)
print(sample)
sample = random.sample(words, 3)
print(sample)
['storm', 'rock', 'forest']
['rock', 'falcon', 'storm']
2.8 Python secrets 模块
secrets模块用于生成适合管理密码、帐户身份验证或安全令牌等数据的强随机数。sercets模块中token_hex函数返回一个随机的十六进制文本字符串。token_urlsafe函数返回一个url安全的随机文本字符串。
import secrets
import string
# 返回一个随机的十六进制文本字符串
print(secrets.token_hex(12))
# 返回随机文本字符串
print(secrets.token_urlsafe(12))
# 生成一个八个字符的字母数字密码
alphabet = string.ascii_letters + string.digits
password = ''.join(secrets.choice(alphabet) for i in range(8))
print(password)
49a4c25d535581c0e1edaf71
_FHy1al7lB4fyVqU
JjLoiy7k
2.9 Python UUID模块
通用唯一标识符(Universally Unique Identifier)UUID是指一台机器上生成的数字，UUID是128位的全局唯一标志，通常由32字节的字符串表示。UUID由以下几部分组成：
-
时间戳uuid1()：根据时间或时钟序列生成字符串
-
分布式计算uuid2():根据分布式计算环境DCE生成字符串
-
机器识别号uuid3()：根据MAC地址或者IP生成字符串，没有网卡则通过其他方式生成。
-
随机数uuid4()：自动随机生成一组序列字符串
-
散列值uuid5()： 基于名字和SAHI值
python中uuid模块提供UUID类，UUID类中通过函数uuid1(), uuid3(), uuid4(), uuid5()来生成1, 3, 4, 5各个版本的UUID ( python中没有uuid2()这个函数，但是UUID标识符中有该指示实现，原因uuid2和uuid1类似，所以uuid2极少使用）。
import uuid
name = "test"
print(uuid.uuid1())
print(uuid.uuid3(uuid.NAMESPACE_DNS, name))
print(uuid.uuid4())
print(uuid.uuid5(uuid.NAMESPACE_DNS, name))
62ecaf30-b61a-11ea-ac5b-0a58ac13091e
45a113ac-c7f2-30b0-90a5-a399ab912716
109e9212-e837-4cd9-9e21-3b48aba373fa
4be0643f-1d98-573b-97cd-ca98a65347dd
uuid1可保证生成全球范围的唯一性字符. 但通过该方法生成的字符中包含有主机的网络地址, 可能危及隐私，根据实验的结果，产生的UUID后面几段的数字会完全一样。uuid4使用随机数来生成UUID但是伪随机数有较低的重复概率。uuid3和uuid5类似，都是通过计算命名空间和名字的SHA-1散列值来生成UUID。
在实际使用uuid1和uuid4较多，uuid3和uuid5更适合唯一性更高的场合。
