random.random()究竟在做什么

Question

    random.shuffle(lst_shuffle, random.random)

我知道后面的部分是一个可选的参数。但是它到底是干什么的呢？我不太明白这是什么意思。这是文档中的内容。

random.random()¶ 返回下一个随机的浮点数 在范围 [0.0, 1.0) 内。

我还看到这个，范围 0,0, 1,0 是什么意思呢？

Pseudorandom number generators
Most, if not all programming languages have libraries that include a pseudo-random
number generator. This generator usually returns a random number between 0 and 1 (not
including 1). In a perfect generator all numbers have the same probability of being selected but
in the pseudo generators some numbers have zero probability.

Answer 1

第二个参数是一个函数，用来生成随机数，这些随机数会用来打乱第一个参数中的序列。如果你不提供自己的函数，默认会使用 random.random。

如果你想要自定义打乱的方式，可以提供这个参数。

而你自定义的函数需要返回的数字范围是 [0.0, 1.0) - 也就是说，0.0 包含在内，1.0 不包含在内。

Answer 2

第二个参数是用来指定你想用哪个随机数生成器的。如果你需要一个比random.random更“好”的生成器，这个参数就很有用。比如说，涉及安全的应用可能需要使用一个加密安全的随机数生成器。

random.random和random.random()之间的区别在于，前者是指向一个生成简单随机数的函数，而后者则是实际调用这个函数来生成随机数。

如果你有另一个想用的随机数生成器，你可以这样写：

random.shuffle(x, my_random_number_function)

至于random.random（默认的生成器）在做什么，它使用了一种叫做梅森旋转算法的算法，来生成一个看起来随机的浮点数，这个数在0到1之间（不包括1），而这个区间内的所有数字出现的概率是一样的。

这个区间从0到1只是一个约定。

Answer 3

现有的回答很好地解决了问题的具体内容，但我觉得有必要提一下一个相关的问题：为什么你特别可能想要给shuffle传递一个替代的“随机生成器”，而不是random模块中的其他函数。引用一下文档：

请注意，即使对于相对较小的 len(x)，x的所有排列组合总数也大于大多数随机数生成器的周期；这意味着大多数长序列的排列组合永远无法生成。

这里提到的“随机数生成器”其实是指那些更严格意义上称为伪-随机数生成器的东西——这些生成器能够很好地模拟随机性，但完全是基于算法的，因此被认为不是“真正的随机”。任何这样的算法方法都会有一个“周期”——最终它会开始重复。

Python的random模块使用了一种特别好且经过充分研究的伪随机生成器，叫做梅森旋转算法，它的周期是2**19937-1——这个数字写出来有超过6000位。当我在我的笔记本电脑上运行时，我每秒可以生成大约500万个这样的数字：

$ python -mtimeit -s'import random' 'random.random()'
1000000 loops, best of 3: 0.214 usec per loop

假设有一台更快的机器，能够每秒生成十亿个这样的数字，那么这个周期大约需要10⁵⁹⁸⁵年才能重复——而目前对宇宙年龄的最佳估计是不到1.5*10¹²年。因此，要达到重复的点，几乎需要一个不可想象的宇宙生命周期的数量;-)。即使你能在宇宙中的每个原子上运行这样的十亿每秒的生成器，仍然需要超过10⁵⁸⁰⁰个宇宙生命周期才能开始重复。

所以，你可能会合理地怀疑，这种对重复的担忧有点理论化，而不是实际问题;-）。

然而，阶乘（用于计算长度为N的序列的排列组合）增长得也很快。例如，梅森旋转算法可能能够生成长度为2080的序列的所有排列，但绝对不能生成长度为2081或更长的序列。如果不是因为“宇宙的生命周期”这个问题，文档中对“即使是相对较小的len(x)”的担忧是有道理的——我们知道，当序列长度合理长时，许多可能的排列组合永远无法通过这样的伪随机生成器进行洗牌，因此人们可能会担心，即使是几次洗牌，我们实际上引入了什么样的偏差！:-)

os.urandom提供了对操作系统提供的任何物理随机源的访问——在Windows上是CryptGenRandom，在Linux上是/dev/urandom等。os.urandom生成字节序列，但借助struct模块，我们可以很容易地将它们转换为随机数字：

>>> n = struct.calcsize('I')
>>> def s2i(s): return struct.unpack('I', s)[0]
... 
>>> maxi = s2i(b'\xff'*n) + 1
>>> maxi = float(s2i(b'\xff'*n) + 1)
>>> def rnd(): return s2i(os.urandom(n))/maxi

现在我们可以调用random.shuffle(somelist, rnd)，并减少对偏差的担忧;-）。

不幸的是，测量显示，这种随机数生成器的方法比调用random.random()慢大约50倍——如果我们需要很多随机数，这可能是一个重要的实际考虑（如果我们不需要，那么对可能偏差的担忧可能是多余的;-）。os.urandom的方法在可预测、可重复的方式下使用也很困难（例如，用于测试目的），而使用random.random()时，只需在测试开始时提供一个固定的初始random.seed，就能保证可重复的行为。

因此，在实际应用中，os.urandom仅在你需要“加密质量”的随机数时使用——即那些一个决心坚定的攻击者无法预测的随机数——因此愿意为使用它而付出实际的代价，而不是使用random.random。