Python中的随机数生成方法有何不同？

Question

要在Python中生成0到10之间的随机整数，我可以采用以下任意一种方法：

import numpy as np
print(np.random.randint(0, 10))

或者

import random
print(random.randint(0, 10))

这两种方法在计算上有何不同？

- blacksite

Answer 1

需要注意的是，这两个函数并不等价。在numpy中，范围是[low, high)，而在Python的随机数中则为 [low, high]。

速度

看起来，numpy实现速度最快：

In [1]: import numpy as np
In [2]: %timeit np.random.randint(0, 10)
1000000 loops, best of 3: 206 ns per loop

In [3]: import random
In [4]: %timeit random.randint(0, 10)    
1000000 loops, best of 3: 1.5 µs per loop

随机性

随机性似乎是相同的。可以使用ent测试随机性。

对于这个脚本：

import numpy as np
import sys

for _ in range(1000000):
    sys.stdout.write(str(np.random.randint(0, 10)))

命令python file.py | ent -c的部分输出结果为：

Value Char Occurrences Fraction  
 48   0       100360   0.100360  
 49   1       100157   0.100157  
 50   2        99958   0.099958  
 51   3       100359   0.100359  
 52   4       100287   0.100287  
 53   5       100022   0.100022  
 54   6        99909   0.099909  
 55   7        99143   0.099143  
 56   8       100119   0.100119  
 57   9        99686   0.099686  

Total:       1000000   1.000000  

Entropy = 3.321919 bits per byte.

针对这个脚本

import random
import sys

for _ in range(1000000):
    sys.stdout.write(str(random.randint(0, 9)))

python file.py | ent -c 命令的部分输出如下：

Value Char Occurrences Fraction  
 48   0       100372   0.100372  
 49   1       100491   0.100491  
 50   2        98988   0.098988  
 51   3       100557   0.100557  
 52   4       100227   0.100227  
 53   5       100004   0.100004  
 54   6        99520   0.099520  
 55   7       100148   0.100148  
 56   8        99736   0.099736  
 57   9        99957   0.099957  

Total:       1000000   1.000000  

Entropy = 3.321913 bits per byte.

- malbarbo

---

可能更重要的是哪一个更加“随机”。 - Barmar

它看起来两者同样随机。 - malbarbo