介紹
產生隨機值的能力是一項重要的程式設計技能。即使你不是每天都需要它們，隨機值仍然會出現在數量驚人的地方。當然，對許多人來說，當他們想到隨機值時，首先想到的是與遊戲相關的用例，例如洗牌、擲骰子和老虎機。
然而，隨機值還有許多其他用途。這些包括：
與許多其他重要的程式設計任務一樣，Python程式語言具有設計良好、一致的支持，可以產生隨機值，作為Python標準庫的一部分。一些相關模組包括random模組、secrets 模組和uuid模組。 secrets模組提供加密性強的隨機數，而random模組提供安全性較差的數字，可用於遊戲、測試資料、類比等。以下將討論這兩種類型的隨機值之間的差異。
隨機值與偽隨機值
「真」隨機數和偽隨機數之間的主要區別：偽隨機數產生器使用演算法產生看似隨機但具有確定性的數字序列。事實上，它們是如此確定，給定相同的種子值（或起始值），它們將可靠地產生相同的數字序列！另一方面，隨機數產生器依賴物理過程來創建真正隨機的數字。
雖然偽隨機數產生器適用於許多用途，但它們不適用於需要真正隨機性的應用，如密碼學。這是因為知道演算法的人可以預測序列中的下一個數字。因此，真正的隨機數產生器對於安全關鍵應用至關重要。
隨機和加密
正如我們在上一節中所討論的，如果我們正在編寫遊戲或模擬數據，random模組是很好的。然而，如果我們處理授權令牌或其他安全數據，我們需要secrets模組。
隨機模組
這兩個模組之間還有其他差異。 random模組是這兩個模組中較老的一個，自Python版本1以來一直存在。它有一個大型函數接口，本質上是一個類別的共享實例random.Random的包裝器。然而，你始終可以建構自己的隨機類別並使用它。 random.Random可以用已知種子實例化隨機類，以給出可複製的隨機數序列。如果缺失，將使用基於系統計時器的種子值。
此範例顯示了選擇種子對random.Random類別的影響：
"""Creating random integers demo"""
from random import Random, randint
seed = 42
seeded_1 = Random(seed)
seeded_2 = Random(seed)
randomly_seeded = Random()
# Get a random number between 1 and 1000, inclusive
print(seeded_1.randint(1, 1000))
print(seeded_2.randint(1, 1000))
print(randomly_seeded.randint(1, 1000))
# Use the functional interface
print(randint(1,1000))
登入後複製
隨機類別的兩個實例使用相同的種子實例化，產生了前兩行輸入。每次執行程式時，這些行會列印655。 （試試看！）。
最後兩行是使用隨機種子實例和函數介面（也是隨機種子）創建的。程式碼隨每次運行而變化，在這兩行的情況下，數字排列的任何運行都是完全重合的。
加密模組
乍一看，在PEP 506中首次描述並首次出現在Python 3.6中的secrets模組看起來與Python隨機模組非常不同。許多函數介麵包裝器都已經消失，因此，例如，你不能直接導入randint。此外，還有secrets.SystemRandom類別將忽略你可能傳遞給它的任何種子值。
然而，如果我們在這些表面差異的下面進行描述，這兩個類別非常相似，實際上，從原始程式碼來看：
內部最顯著的差異是SystemRandom中的核心「隨機化」行為是根據os.urandom實現的。反過來，urandom函數被傳遞一個整數，並使用依賴平台的加密強隨機值產生器傳回許多隨機位元組。
我们现在知道我们可以使用这两个类中的任何一个，它们基本上是可互换的，但secrets.SystemRandom将更真实地随机，因此在更安全的环境中使用。
考虑到这一点，接下来让我们看一些用例。
生成随机数
Randint和Randrange
我们已经了解了如何使用randint在特定范围内生成随机数。randrange函数非常相似，只是它不包括上限，而randint的上限是包含的。如果你足够频繁地运行这段代码，第一行输出会出现5，但第二行不会。
from secrets import SystemRandom
rand = SystemRandom()
# Integers betewen 1 and 5, inclusive
print(rand.randint(1,5))
# Integers between 1 and 5, but not including 5
print(rand.randrange(1,5))
登入後複製
生成随机分布
Random和SystemRandom共享了几种方法，允许你根据各种分布生成随机值。这些包括均匀分布（获得两个端点之间的浮点值，类似于randint提供的）、高斯（正态）分布等。
例如，我们可以创建一个包含20个虚拟IQ值的列表，这些值沿着与真实人群相同的正态曲线随机分布。根据定义，智商的平均值为100，标准差为15。（顺便说一句，为了本示例的目的，我们希望对这种分布建模，即使我们忽略了对这个想法和我们如何测试它提出的合理批评。）
以下是随机创建 20 个 IQ 的“群体”的代码：
"""IQ distribution"""
from secrets import SystemRandom
rand = SystemRandom()
population = [round(rand.gauss(100, 15)) for _ in range(0,20)]
print(population)
登入後複製
当然，输出会有所不同。这是一个有代表性的运行：
[102, 90, 88, 82, 102, 93, 127, 121, 94, 107, 103, 80, 106, 106, 84, 107, 108, 88, 123, 121]
登入後複製
在Python中进行随机选择
在其他语言中，从列表或其他序列中进行选择通常需要两个步骤。首先，你得到一个从0到列表上界（长度减1）的随机数。然后将该索引应用于列表以选择元素。在Python中，choice和chchoicesices这两种方法使你能够同时执行这两个步骤。这使得从任何类型的序列中选择所需大小的随机样本非常容易。
例如，给定上面的代码，假设我们想要获取IQ的总体，并从中选择一个或多个值。下面是我们可以快速完成的方法：
# Select one IQ at random
print(rand.choice(population))
# Select four IQs at random
print(rand.choices(population, k=4))
登入後複製
输出（示例）：
102
[107,102,88,103]
登入後複製
如何使用 Python 生成随机字符串
因为在Python中使用随机方法很容易从序列中选择随机选项。通过Random.choice或者Random.choices函数，在Python中创建随机字符串也很简单。此外，secrets模块定义了一些特殊的函数，根据你的需要，也可以使用这些函数。
让我们首先看看一种通用方法，你可以使用它生成多种类型的字符串。字符串模块包括几个基本上是硬编码字符序列的字符串，例如ascii_lowercase(a-z)、ascii_uppercase(A-Z)、ascii_letters、punctuation和digits。Random.choices或者SystemRandom.choices可以调用其中任何一个来创建所需长度的数组，然后可以使用str类的join方法将数组转换为新字符串。
我们在以下示例中结合了这些步骤：
from string import ascii_letters, digits, punctuation, ascii_lowercase, ascii_uppercase
from secrets import SystemRandom
rand = SystemRandom()
four_digits = "".join(rand.choices(digits, k=4))
ten_mixed_case = "".join(rand.choices(ascii_letters, k=10))
assorted = ascii_letters + punctuation
twenty_assorted = "".join(rand.choices(assorted, k=20))
print(four_digits)
print(ten_mixed_case)
print(twenty_assorted)
登入後複製
代码输出：
8782
PLZYOxFLoQ
!mNsKsF;([I#F(c<jcg><h3 id="h20" data-id="h590b8bf-SL4CIZsY">使用Secrets模块加密随机字符串</h3>
<p data-id="p838747a-IPEgWEdV">除了如上所示轻松创建随机字符串外，secrets模块还提供了几个函数，可用于生成各种格式的随机字节序列。在最低级别，我们可以使用<code>token_bytes</code>函数生成各种长度的原始“字节”数组。</p>
<pre class="brush:php;toolbar:false">from secrets import token_bytes
b = token_bytes(10)
print(type(b))
print(b)
登入後複製
代码输出：
<class>
b'!\x05P\xc6a\x87\xf9~(\xa9'</class>
登入後複製
原始字节作为加密算法或类似算法的输入可能很有用，但请记住，它们不会包含有效的UTF-8代码点，因此不应使用此函数生成字符串。要获取字符串，可以使用上一节中的技术或下面两个函数中的一个。
我们可以返回一个字符串，它不是以原始格式获取字节，而是以十六进制格式再次由随机字节组成。这为每个字节提供了两个十六进制输出字符：
from secrets import token_hex
token = token_hex(10)
print(f"Returned a {type(token)} of length: {len(token)}:")
print(token)登入後複製
代码输出：
Returned a <class> of length: 20:</class>
登入後複製
同一系列中的第三个功能——在某些方面可能是最有用的——是token_urlsafe。此函数允许我们将随机字节字符串转换为稍微修改的base64编码字符串。在这里，每个字节平均产生1.3个字符，结果可以安全地用作URL-例如，表示缩短的URL或用作密码重置令牌。另一个好处是字符串来自比16位token_hex更大的潜在随机字符集。
from secrets import token_urlsafe
token = token_urlsafe(15)
print(token)
登入後複製
代码输出：
gfN2nGjO7izMPyXs5tvU
登入後複製
使用UUID：在Python中生成随机且唯一的值
虽然我们在本文中的重点是随机值，但我们现在想花一些时间讨论对于所有实际目的来说都是随机和唯一的值。解决这个问题的一种非常普遍的方法是通用唯一标识符（UUID）的概念。UUID是一个128位的数字，不能100%保证是唯一的，但在统计上很可能是唯一的，以至于发生冲突的机会非常小。
除了大数字之外，UUID还共享一种通用的表示格式。128位的数字可以表示为32个十六进制数字，而UUID添加四个连字符以形成一个36个字符的字符串，以8-4-4-6-12的模式排列。例如：
'967909e3-7231-4040-aae4-8b6b2fb96a0b'
登入後複製
Python模块uuid有几个不同的函数，对应于许多公认的算法，用于创建此类标识符，但建议使用两种最常见的类型之一，uuid1和uuid4。
uuid1值是通过将网络节点id（通常意味着网卡的mac地址）与有关UUID版本和变体的少量信息以及表示高分辨率时间戳的许多位相结合来创建的。
相反，uuid4值通常包含用于存储版本和变体信息的6位，以及122位纯随机数据。因此，根据维基百科，尽管原则上可能存在两个uuid4值的冲突，但在实践中，“在103万亿个版本4 UUIDs中找到重复的概率是十亿分之一。”。
你可以使用Python uuid模块轻松创建uuid1和uuid4值。正如我们将看到的，字符串表示看起来是相同的，尽管描述uuid1字段中的位更有意义。
from uuid import uuid1, uuid4
print(uuid1())
print(uuid4())
登入後複製
代码输出：
bfc89f3e-e6ab-11ec-abfc-4a9b744d17b8
025586c2-50ed-41a6-ae31-bf96b9d79df2
登入後複製
与本文中的大多数内容一样，当我们说“示例输出”时，实际上只是他代码运行其中一次的结果。当然，至少在uuid4的情况下，如果你运行这段代码103万亿次，你有十亿分之一的机会得到与我相同的结果。
在结束对UUID的讨论之前，我们在这里提到它们，因为它们是一个被广泛接受的标准，但正如我们所看到的，uuid4的实现与系统模块中的许多实用函数之间有很多重叠。例如，我经常看到uuid4函数用于在数据库中生成主键，特别是在NoSQL上下文中，其中可能不支持自动递增字段。原则上，人们也可以使用secrets.token_hex用于同样的任务，但uuid4可能会使代码的意图更加清晰。
附上产生随机数分布的图以及代码实现：
import random
import matplotlib.pyplot as plt
x = [random.randint(1, 100) for n in range(100)]
y = [random.randint(1, 100) for n in range(100)]
plt.figure(figsize=(8,6), dpi=80)
plt.scatter(x, y)
plt.show()
登入後複製
结果：
以上是Python隨機值怎麼實現的詳細內容。更多資訊請關注PHP中文網其他相關文章！
