在Python中高效生成和使用百万随机数的方法

Question

我正在做一个编程项目，这个项目需要用Python进行大量的蒙特卡罗模拟，也就是需要生成很多随机数。几乎所有的随机数，甚至可以说是全部，都可以通过Python自带的随机模块来生成。

我对编程还不太熟悉，不太了解哪些方法高效，哪些方法低效。比如说，是先生成一个随机数的列表，然后再遍历这个列表更快，还是每次调用函数时都生成一个新的随机数，这个函数会在一个很大的循环中被调用？

或者有没有其他更聪明的方法呢？

Answer 1

Python自带的random模块，比如random.random()和random.randint()，可以每秒生成大约30万次随机数。

因为你可能在做数值计算，所以你很可能会用到numpy。它的性能更好，如果你一次生成一个数组的随机数，而不是一个一个地生成。这样的话，速度可以达到每秒60千次乘以1024（数组长度），大约是每秒6000万次。

在Linux和OSX上，你也可以读取/dev/urandom。我的硬件和软件（OSX笔记本）大约能达到每秒10MB。

肯定还有更快的方法可以大量生成随机数，比如：

from Crypto.Cipher import AES
from Crypto.Util import Counter
import secrets

aes = AES.new(secrets.token_bytes(16), AES.MODE_CTR, secrets.token_bytes(16), counter=Counter.new(128))
data = "0" * 2 ** 20
with open("filler.bin", "wb") as f:
    while True:
        f.write(aes.encrypt(data))

在我的i5-4670K的单核上，这样可以达到每秒200MB。

一些常见的加密算法，比如AES和Blowfish，在我的设备上分别能达到每秒112MB和70MB。此外，现代处理器让AES的速度更快，能达到每秒700MB。你可以查看这个链接，了解在几种硬件组合上的测试结果（链接已失效）。如果你使用较弱的ECB模式，只要输入不同的数据，速度可以达到每秒3GB。

流密码更适合这个任务，比如RC4在我的硬件上能达到每秒300MB，使用最流行的加密算法通常能得到更好的结果，因为这些算法在优化上投入了更多的精力。

Answer 2

import random
for x in (random.randint(0,80) for x in xrange(1000*1000)):
    print x

括号里面的代码一次只会生成一个项目，所以它在内存使用上是安全的。

Answer 3

每次都生成一个随机数。因为循环内部只关心一个随机数，所以在循环里生成并使用这个随机数。

举个例子：

# do this:
import random

for x in xrange(SOMEVERYLARGENUMBER):
    n = random.randint(1,1000) # whatever your range of random numbers is
    # Do stuff with n

# don't do this:
import random

# This list comprehension generates random numbers in a list
numbers = [random.randint(1,1000) for x in xrange(SOMEVERYLARGENUMBER)]

for n in numbers:
    # Do stuff with n

显然，从实际的角度来看，这真的没什么关系，除非你要处理数十亿次的循环。但是，如果你一次只用一个随机数，为什么要费力去生成那么多个呢？