计算机随机数生成器 (RNGs)[fn:1] 有很多用途. 最近在教授一次程序课时,我演示了随机数的一种用法,本来我觉得这是很普遍的一种用法,结果居然有一位参与者对这种用法表示很惊奇. 这件事情使得我意识到,对于许多初学者,甚至有些富有经验的程序员来说,恐怕对于随机数的很多用法都不是很熟悉.
因此我想到了写这篇博客, 这里我会演示随机数的一些用法. 这里的例子使用的是python语言,但是其原理和概念也可以被借用于其他编程语言–只要它也能产生随机数.
注意: 所有关于随机数的使用方法,都无需用到什么高深的数学知识.
让我们开始吧.
首先,从Python标准库中导入并查看一下随机模块包含了哪些内容
import random
dir(random)我们可以看到,该模块中包含了许多函数以及包括重要数学常量(例如_e为数学常量e,_pi为数学常量pi. 这两个常量也可以在math模块中找到,分别为math.e和math.pi)在内的其他属性.
在本篇博文中,我需要展示的是random()函数的一些使用方法. 该函数是random模块中最基础的几个函数之一. 也许在以后的博文中,我还会接着演示其他函数及其在其他领域的使用方式.
让我们来输出一下random函数的文档说明字符串:
print random.random.__doc__可以看到,该函数返回一个处于半闭区间[0,1)的随机浮点数, 即随机的一个x,满足0.0<=x<1.0
下面是一个名为fn_random.py的程序,演示了random()函数的一些用法:
from __future__ import print_function
# fn_random.py
# A program showing various uses of the "random" function
# from the "random" module of Python's standard library.
# Author: Vasudev Ram - https://vasudevram.github.io
# Copyright 2016 Vasudev Ram
from random import random
from random import getstate, setstate
print("Ex. 1. Plain calls to random():")
print("Gives 10 random float values in the interval [0, 1).")
for i in range(10):
print(random())
print()
print("Ex. 2. Calls to random() scaled by 10:")
print("Gives 10 random float values in the interval [0, 10).")
for i in range(10):
print(10.0 * random())
print()
print("Ex. 3. Calls to random() scaled by 10 and offset by -5:")
print("Gives 10 random float values in the interval [-5, 5).")
for i in range(10):
print(10.0 * random() - 5.0)
print()
print("Ex. 4. Calls to random() scaled by 20 and offset by 40:")
print("Gives 10 random float values in the interval [40, 60).")
for i in range(10):
print(20.0 * random() + 40.0)下面是该程序的运行输出:
python fn_random.py Ex. 1. Plain calls to random(): Gives 10 random float values in the interval [0, 1). 0.978618769308 0.429672807728 0.807873374428 0.00775248310523 0.367435959496 0.452718276649 0.15952248582 0.183989787263 0.240112681717 0.873556193781 Ex. 2. Calls to random() scaled by 10: Gives 10 random float values in the interval [0, 10). 8.66851830984 8.06203422551 6.68791916223 6.83023335837 2.28298961244 5.06491614858 9.27404238781 2.30473573581 7.62983863372 7.18179372151 Ex. 3. Calls to random() scaled by 10 and offset by -5: Gives 10 random float values in the interval [-5, 5). 4.28960887925 -1.48913007202 -0.534170376124 3.36741617894 -3.50802287142 1.46218930484 -3.37237288568 -2.49675571636 -3.56593768859 -1.49924682779 Ex. 4. Calls to random() scaled by 20 and offset by 40: Gives 10 random float values in the interval [40, 60). 56.4292882009 40.888150119 56.867782498 58.3162130934 41.642982556 40.8419833357 52.3684662857 45.3000297458 43.1515262997 52.1129658036
上面的程序演示了如何通过乘法和加法将random()返回的原本处于0到1之间的值,转换为其他区间的值.
注意上面程序中4个部分输出的值都是完全不一样的,即使将乘法和加法的运算因素算在内也是完全不同的. 例如,第二个部分输出的值并不都是第一个部分输出值的10倍–虽然从代码上看,第二部分与第一部分唯一不同点就在于乘以了一个10. 产生这个结果的原因是因为,随机数是通过遍历一个很长的序列来产生的,即序列前10个值作为第一部分代码的输出,而后10个值作为第二部分代码的输出.
若我们希望四个部分所产生的随机数一样怎么办呢(不算上乘法与加法造成的差异)?例如在有些科学与统计实验中,需要不断重复同一样的数据. 一个很直观的办法就是将第一次产生的随机数保持下来,然后在之后的代码中使用保存下来的这些随机数.
但是通过模块中的getstate()和setstate()函数,我们也能实现这一点.
首先将这一行放在Ex.1的代码前.
state = random.getstate()然后将下行放在Ex.2到Ex.4的代码前. Then put this line:
random.setstate(state)然后你会很神奇的发现,四个部分的代码所生成的随机数是一样的(不算上乘法与加法造成的差异).
在以后的博文中,我还会展示随机数的其他用法,例如可以用来对字符串做一些事情,敬请期待吧.
[fn:1] 严格来说,这些都是尾随机数(PRNGs),但是为了简便,让我们就认为是真正的随机数吧.