что именно делает random.random

Question

    random.shuffle(lst_shuffle, random.random)

Я знаю, что последняя часть является необязательным аргументом. Но что это делает именно. Я не понимаю, что это значит. Это из документов.

random.random () ¶ Возврат следующей случайной плавающей запятой число в диапазоне [0,0, 1,0).

Я также вижу это, что означает этот диапазон 0,0, 1,0?

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

Существующие ответы хорошо справляются с конкретной задачей вопроса, но я думаю, что стоит упомянуть побочный вопрос: почему вы, скорее всего, захотите передать альтернативный «генератор случайных чисел» shuffle, а не другим функциям в модуле random. Цитируя документы :

Обратите внимание, что даже для довольно небольших len (x), общее количество перестановки х больше, чем период наибольшего случайного числа генераторы; это означает, что большинство перестановки длинной последовательности могут никогда не будет сгенерировано.

Фраза «генераторы случайных чисел» здесь относится к тому, что может быть более педантично названо псевдо - генераторами случайных чисел - генераторами, которые дают хорошую имитацию случайности, но являются полностью алгоритмическими, и поэтому известны не чтобы быть "действительно случайным". Любой такой алгоритмический подход будет иметь «период» - в конце концов он начнет повторяться.

Модуль Python random использует особенно хороший и хорошо изученный псевдослучайный генератор, Mersenne Twister , с периодом 2**19937-1 - число, которое имеет более 6 тысяч цифр, когда записано в десятичных цифрах, как подтвердит len(str(2**19937-1)) ;-). На моем ноутбуке я могу генерировать около 5 миллионов таких чисел в секунду:

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

Если предположить, что намного более быстрая машина способна генерировать млрд. таких чисел в секунду, цикл будет повторяться примерно за 10 ⁵⁹⁸⁵ лет, и наилучшая текущая оценка для возраст Вселенной чуть меньше 1,5 * 10 ¹² лет. Таким образом, потребуется почти невообразимое количество жизней Вселенной, чтобы достичь точки повторения ;-). Параллельное вычисление не очень поможет; По оценкам, во Вселенной примерно 10 ⁸⁰ атомов, поэтому даже если бы вы смогли запустить такой генератор с миллиардом в секунду на каждом атоме во Вселенной, это все равно потребовало бы более 10 ⁵⁸⁰⁰ Время жизни вселенной, чтобы начать повторяться.

Итак, вы могли бы оправдаться, подозревая, что это беспокойство по поводу повторения является чуть-чуть теоретическим, а не практическим вопросом; -).

Тем не менее, факториалы (которые учитывают перестановки последовательности длины N) также растут довольно быстро. Twister Mersenne, например, может быть в состоянии произвести все перестановки последовательности длиной 2080, но определенно не одной длины 2081 или выше. Если бы не проблема «времени жизни Вселенной», беспокойство докторов о «даже довольно малом len (x)» было бы оправданным - мы знаем , что многие возможные перестановки никогда не могут быть достигнуты путём перетасовки с таким псевдо-RNG, как только мы получим достаточно длинную последовательность, так что можно было бы беспокоиться о том, какой уклон мы фактически вводим даже с несколькими шаффлами !: -)

os.urandom обеспечивает доступ к любым источникам физических случайностей, которые предоставляет ОС - CryptGenRandom в Windows, / dev / urandom в Linux и т. д. os.urandom дает последовательности байтов, но с помощью struct легко превратить их в случайные числа :

>>> 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

Теперь мы можем позвонить random.shuffle(somelist, rnd) и меньше беспокоиться о предвзятости; -).

К сожалению, измерения показывают, что этот подход к ГСЧ примерно в 50 раз медленнее, чем вызовы random.random() - это может быть важным практическим соображением, если нам понадобится много случайных чисел (а если нет, беспокойство о возможной предвзятости может быть неуместным ;-). Подход os.urandom также трудно использовать предсказуемым, повторяемым образом (например, для целей тестирования), в то время как для random.random() вам нужно только указать фиксированный начальный random.seed в начале теста, чтобы гарантировать воспроизводимое поведение.

Таким образом, на практике os.urandom используется только тогда, когда вам нужны случайные числа «криптографического качества», которые не может предсказать решительный злоумышленник, и поэтому готовы заплатить практическую цену за использование вместо random.random.

Answer 2

Второй аргумент используется, чтобы указать, какой генератор случайных чисел использовать. Это может быть полезно, если вам нужно / что-то «лучше», чем random.random. В чувствительных к безопасности приложениях может потребоваться криптографически безопасный генератор случайных чисел.

Разница между random.random и random.random() заключается в том, что первый является ссылкой на функцию, которая генерирует простые случайные числа, а второй фактически вызывает эту функцию.

Если бы у вас был другой генератор случайных чисел, который вы хотели бы использовать, вы могли бы сказать

random.shuffle(x, my_random_number_function)

Что делает random.random (генератор по умолчанию), он использует алгоритм, называемый Mersenne twister , чтобы создать, казалось бы, случайное число с плавающей запятой между 0 и 1 кроме 1), все числа в этом интервале имеют равную вероятность.

То, что интервал от 0 до 1 - это просто соглашение.

Answer 3

Второй аргумент - это функция, которая вызывается для получения случайных чисел, которые, в свою очередь, используются для перемешивания последовательности (первый аргумент). Функция по умолчанию, используемая, если вы не предоставляете свою собственную, - random.random.

Возможно, вы захотите указать этот параметр, если хотите настроить способ воспроизведения в случайном порядке.

И ваша настроенная функция должна будет возвращать числа в диапазоне [0,0, 1,0) - 0,0 включается, 1,0 исключается.

Answer 4

Из примера :

>>> random.random()        # Random float x, 0.0 <= x < 1.0
0.37444887175646646

Генерирует случайное число с плавающей точкой от 0 до 1.

Answer 5

Функция перемешивания зависит от RNG (генератора случайных чисел), который по умолчанию равен random.random. Второй аргумент есть, поэтому вы можете указать свой собственный ГСЧ вместо значения по умолчанию.

UPDATE:

Второй аргумент - это генератор случайных чисел, который генерирует новое случайное число в диапазоне [0,0, 1,0) каждый раз, когда вы вызываете его.

Вот пример для вас:

import random

def a():
  return 0.0

def b():
  return 0.999999999999

arr = [1,2,3]

random.shuffle(arr)
print arr # prints [1, 3, 2]

arr.sort()
print arr # prints [1, 2, 3]

random.shuffle(arr)
print arr # prints [3, 2, 1]

arr.sort()
random.shuffle(arr, a)
print arr # prints [2, 3, 1]

arr.sort()
random.shuffle(arr, a)
print arr # prints [2, 3, 1]

arr.sort()
random.shuffle(arr, b)
print arr # prints [1, 2, 3]

arr.sort()
random.shuffle(arr, b)
print arr # prints [1, 2, 3]

Так что, если функция всегда возвращает одно и то же значение, вы всегда получаете одну и ту же перестановку. Если функция возвращает случайные значения каждый раз, когда она вызывается, вы получаете случайную перестановку.

Answer 6

Документы продолжают говорить:

Необязательный аргумент random - это Функция с 0 аргументами, возвращающая случайный плавать в [0,0, 1,0); по умолчанию это является функцией random ().

Это означает, что вы можете указать собственную функцию генератора случайных чисел или указать модулю использовать функцию random по умолчанию. Второй вариант - почти всегда лучший выбор, потому что Python использует довольно хороший PRNG.

Ожидаемая функция должна возвращать псевдослучайное число с плавающей запятой в диапазоне [0.0, 1.0), что означает, что 0.0 включено, а 1.0 не включено (т. Е. 0.9999 - верное число, которое нужно вернуть, но 1.0 не является). Каждое число в этом диапазоне должно быть теоретически возвращено с равной вероятностью (т.е. это линейное распределение).