random.md
1> **Источник:** https://python-all.ru/3.5/library/random.html2>3> «Документация Python на русском» – неофициальный перевод официальной документации Python: версии от 2.6 до 3.16, полнотекстовый поиск, английский оригинал рядом с переводом. Эта Markdown-версия страницы предназначена для работы с LLM: вставьте её в ChatGPT, Claude или Cursor.45---67# 9.6. [`random`](https://python-all.ru/3.5/library/random.html#module-random) – Генерация псевдослучайных чисел89**Исходный код:** [Lib/random.py](https://python-all.ru/src/3.5/Lib/random.py)1011---1213Этот модуль реализует генераторы псевдослучайных чисел для различных распределений.1415Для целых чисел есть равномерный выбор из диапазона. Для последовательностей есть равномерный выбор случайного элемента, функция для генерации случайной перестановки списка на месте и функция для случайной выборки без возвращения.1617На вещественной прямой есть функции для вычисления равномерного, нормального (гауссовского), логнормального, отрицательного экспоненциального, гамма и бета распределений. Для генерации распределений углов доступно распределение фон Мизеса.1819Почти все функции модуля зависят от базовой функции [`random()`](https://python-all.ru/3.5/library/random.html#random.random), которая генерирует случайное число с плавающей запятой, равномерно распределённое в полуоткрытом диапазоне \[0.0, 1.0). Python использует вихрь Мерсенна в качестве основного генератора. Он выдаёт числа с плавающей запятой точностью 53 бита и имеет период 2\*\*19937-1. Базовая реализация на C быстра и потокобезопасна. Вихрь Мерсенна – один из наиболее тщательно протестированных генераторов случайных чисел. Однако, будучи полностью детерминированным, он не подходит для всех целей и совершенно непригоден для криптографии.2021Функции, предоставляемые этим модулем, на самом деле являются привязанными методами скрытого экземпляра класса `random.Random`. Можно создать собственные экземпляры `Random`, чтобы получить генераторы, не разделяющие состояние.2223Класс `Random` также можно наследовать, если требуется использовать другой базовый генератор собственной разработки: в этом случае необходимо переопределить методы `random()`, `seed()`, `getstate()` и `setstate()`. При необходимости новый генератор может предоставить метод `getrandbits()` – это позволяет [`randrange()`](https://python-all.ru/3.5/library/random.html#random.randrange) производить выборки из произвольно большого диапазона.2425Модуль [`random`](https://python-all.ru/3.5/library/random.html#module-random) также предоставляет класс [`SystemRandom`](https://python-all.ru/3.5/library/random.html#random.SystemRandom), который использует системную функцию [`os.urandom()`](https://python-all.ru/3.5/library/os.html#os.urandom) для генерации случайных чисел из источников, предоставляемых операционной системой.2627> **Предупреждение**28>29> Псевдослучайные генераторы этого модуля не следует использовать для целей безопасности.3031Функции учёта:3233#### `random.seed(a=None, version=2)`3435Инициализирует генератор случайных чисел.3637Если *a* опущен или равен `None`, используется текущее системное время. Если источники случайности предоставляются операционной системой, они используются вместо системного времени (см. функцию [`os.urandom()`](https://python-all.ru/3.5/library/os.html#os.urandom) для получения подробной информации о доступности).3839Если *a* – целое число, оно используется напрямую.4041В версии 2 (по умолчанию) объект [`str`](https://python-all.ru/3.5/library/stdtypes.html#str), [`bytes`](https://python-all.ru/3.5/library/functions.html#bytes) или [`bytearray`](https://python-all.ru/3.5/library/functions.html#bytearray) преобразуется в [`int`](https://python-all.ru/3.5/library/functions.html#int) и используются все его биты.4243В версии 1 (предназначенной для воспроизведения случайных последовательностей из старых версий Python) алгоритм для [`str`](https://python-all.ru/3.5/library/stdtypes.html#str) и [`bytes`](https://python-all.ru/3.5/library/functions.html#bytes) генерирует более узкий диапазон начальных значений (семян).4445Изменено в версии 3.2: Переход на схему версии 2, которая использует все биты строкового начального значения.4647#### `random.getstate()`4849Возвращает объект, фиксирующий текущее внутреннее состояние генератора. Этот объект можно передать в [`setstate()`](https://python-all.ru/3.5/library/random.html#random.setstate) для восстановления состояния.5051#### `random.setstate(state)`5253*state* должен быть получен из предыдущего вызова [`getstate()`](https://python-all.ru/3.5/library/random.html#random.getstate), а [`setstate()`](https://python-all.ru/3.5/library/random.html#random.setstate) восстанавливает внутреннее состояние генератора в то, которое было на момент вызова [`getstate()`](https://python-all.ru/3.5/library/random.html#random.getstate).5455#### `random.getrandbits(k)`5657Возвращает целое число Python с *k* случайными битами. Этот метод предоставляется генератором MersenneTwister; некоторые другие генераторы также могут предоставлять его как опциональную часть API. Если доступен, [`getrandbits()`](https://python-all.ru/3.5/library/random.html#random.getrandbits) позволяет [`randrange()`](https://python-all.ru/3.5/library/random.html#random.randrange) работать с произвольно большими диапазонами.5859Функции для целых чисел:6061#### `random.randrange(stop)`6263#### `random.randrange(start, stop[, step])`6465Возвращает случайно выбранный элемент из `range(start, stop, step)`. Это равнозначно `choice(range(start, stop, step))`, но на самом деле не создаёт объект range.6667Шаблон позиционных аргументов совпадает с шаблоном [`range()`](https://python-all.ru/3.5/library/stdtypes.html#range). Именованные аргументы не следует использовать, поскольку функция может применить их неожиданным образом.6869Изменено в версии 3.2: [`randrange()`](https://python-all.ru/3.5/library/random.html#random.randrange) стала более совершенной в генерации равномерно распределённых значений. Ранее использовался подход, подобный `int(random()*n)`, который мог давать несколько неравномерные распределения.7071#### `random.randint(a, b)`7273Возвращает случайное целое *N* такое, что `a <= N <= b`. Псевдоним для `randrange(a, b+1)`.7475Функции для последовательностей:7677#### `random.choice(seq)`7879Возвращает случайный элемент из непустой последовательности *seq*. Если *seq* пуста, возбуждает [`IndexError`](https://python-all.ru/3.5/library/exceptions.html#IndexError).8081#### `random.shuffle(x[, random])`8283Перемешивает последовательность *x* на месте. Необязательный аргумент *random* – это функция без аргументов, возвращающая случайное число с плавающей запятой в диапазоне \[0.0, 1.0); по умолчанию это функция [`random()`](https://python-all.ru/3.5/library/random.html#random.random).8485Обратите внимание, что даже для довольно малых `len(x)` общее количество перестановок *x* превышает период большинства генераторов случайных чисел; это означает, что большинство перестановок длинной последовательности никогда не могут быть сгенерированы.8687#### `random.sample(population, k)`8889Возвращает список длины *k* из уникальных элементов, выбранных из последовательности population или множества. Используется для случайной выборки без возвращения.9091Возвращает новый список, содержащий элементы из population, не изменяя исходную population. Результирующий список упорядочен по порядку выбора, так что все подсписки также будут корректными случайными выборками. Это позволяет разделить победителей розыгрыша (выборку) на обладателей главного и второго призов (подсписки).9293Элементы population не обязаны быть [хэшируемыми](https://python-all.ru/3.5/glossary.html#term-hashable) или уникальными. Если population содержит повторения, то каждое вхождение является возможным элементом выборки.9495Чтобы выбрать выборку из диапазона целых чисел, используйте объект [`range()`](https://python-all.ru/3.5/library/stdtypes.html#range) в качестве аргумента. Это особенно быстро и эффективно по памяти для выборки из большой совокупности: `sample(range(10000000), 60)`.9697Если размер выборки превышает размер популяции, возбуждается исключение [`ValueError`](https://python-all.ru/3.5/library/exceptions.html#ValueError).9899Следующие функции генерируют конкретные вещественные распределения. Имена параметров функций соответствуют переменным в уравнении распределения, как принято в математической практике; большинство этих уравнений можно найти в любом учебнике по статистике.100101#### `random.random()`102103Возвращает следующее случайное число с плавающей запятой в диапазоне \[0.0, 1.0).104105#### `random.uniform(a, b)`106107Возвращает случайное число с плавающей точкой *N* такое, что `a <= N <= b` для `a <= b` и `b <= N <= a` для `b < a`.108109Конечное значение `b` может как входить, так и не входить в диапазон в зависимости от округления чисел с плавающей запятой в уравнении `a + (b-a) * random()`.110111#### `random.triangular(low, high, mode)`112113Возвращает случайное число с плавающей точкой *N* такое, что `low <= N <= high` и с заданной *модой* между этими границами. Границы *low* и *high* по умолчанию равны нулю и единице. Аргумент *mode* по умолчанию равен середине между границами, что даёт симметричное распределение.114115#### `random.betavariate(alpha, beta)`116117Бета-распределение. Условия на параметры: `alpha > 0` и `beta > 0`. Возвращаемые значения находятся в диапазоне от 0 до 1.118119#### `random.expovariate(lambd)`120121Экспоненциальное распределение. *lambd* – это 1.0, делённая на желаемое среднее. Оно должно быть ненулевым. (Параметр мог бы называться «lambda», но это зарезервированное слово в Python.) Возвращаемые значения находятся в диапазоне от 0 до положительной бесконечности, если *lambd* положительно, и от отрицательной бесконечности до 0, если *lambd* отрицательно.122123#### `random.gammavariate(alpha, beta)`124125Гамма-распределение. (*Не* гамма-функция!) Условия на параметры: `alpha > 0` и `beta > 0`.126127Функция плотности распределения вероятности:128129```python130 x ** (alpha - 1) * math.exp(-x / beta)131pdf(x) = --------------------------------------132 math.gamma(alpha) * beta ** alpha133```134135#### `random.gauss(mu, sigma)`136137Гауссово распределение. *mu* – математическое ожидание, а *sigma* – стандартное отклонение. Эта функция немного быстрее, чем [`normalvariate()`](https://python-all.ru/3.5/library/random.html#random.normalvariate), определённая ниже.138139#### `random.lognormvariate(mu, sigma)`140141Логнормальное распределение. Если взять натуральный логарифм этого распределения, получится нормальное распределение со средним *mu* и стандартным отклонением *sigma*. *mu* может принимать любое значение, а *sigma* должна быть больше нуля.142143#### `random.normalvariate(mu, sigma)`144145Нормальное распределение. *mu* – это среднее, а *sigma* – стандартное отклонение.146147#### `random.vonmisesvariate(mu, kappa)`148149*mu* – это средний угол, выраженный в радианах от 0 до 2\**pi*, а *kappa* – параметр концентрации, который должен быть больше или равен нулю. Если *kappa* равен нулю, это распределение сводится к равномерному случайному углу в диапазоне от 0 до 2\**pi*.150151#### `random.paretovariate(alpha)`152153Распределение Парето. *alpha* – параметр формы.154155#### `random.weibullvariate(alpha, beta)`156157Распределение Вейбулла. *alpha* – параметр масштаба, а *beta* – параметр формы.158159Альтернативный генератор:160161#### `class random.SystemRandom([seed])`162163Класс, использующий функцию [`os.urandom()`](https://python-all.ru/3.5/library/os.html#os.urandom) для генерации случайных чисел из источников, предоставляемых операционной системой. Доступен не на всех системах. Не зависит от состояния программного обеспечения, и последовательности невоспроизводимы. Соответственно, метод [`seed()`](https://python-all.ru/3.5/library/random.html#random.seed) не действует и игнорируется. Методы [`getstate()`](https://python-all.ru/3.5/library/random.html#random.getstate) и [`setstate()`](https://python-all.ru/3.5/library/random.html#random.setstate) вызывают [`NotImplementedError`](https://python-all.ru/3.5/library/exceptions.html#NotImplementedError) при вызове.164165> **См. также**166>167> М. Мацумото и Т. Нисимура, «Вихрь Мерсенна: 623-мерно равномерно распределенный генератор псевдослучайных чисел», ACM Transactions on Modeling and Computer Simulation том 8, № 1, январь, стр. 3–30, 1998.168>169> [Complementary-Multiply-with-Carry recipe](https://python-all.ru/3.5/library/random.html) для совместимого альтернативного генератора случайных чисел с длинным периодом и сравнительно простыми операциями обновления.170171## 9.6.1. Замечания о воспроизводимости172173Иногда бывает полезно воспроизводить последовательности, выдаваемые генератором псевдослучайных чисел. При повторном использовании одного и того же начального значения (seed) одна и та же последовательность должна воспроизводиться от запуска к запуску, если не запущено несколько потоков.174175Большинство алгоритмов и функций инициализации генератора модуля random могут меняться в разных версиях Python, но два аспекта гарантированно остаются неизменными:176177- Если будет добавлен новый метод инициализации, будет предложен обратно совместимый инициализатор.178- Метод `random()` генератора продолжит выдавать ту же последовательность, если совместимому инициализатору передать то же начальное значение.179180## 9.6.2. Примеры и рецепты181182Базовое использование:183184```python185>>> random.random() # Случайный float x, 0.0 <= x < 1.01860.37444887175646646187188>>> random.uniform(1, 10) # Случайный float x, 1.0 <= x < 10.01891.1800146073117523190191>>> random.randrange(10) # Целое число от 0 до 91927193194>>> random.randrange(0, 101, 2) # Чётное целое число от 0 до 10019526196197>>> random.choice('abcdefghij') # Один случайный элемент198'c'199200>>> items = [1, 2, 3, 4, 5, 6, 7]201>>> random.shuffle(items)202>>> items203[7, 3, 2, 5, 6, 4, 1]204205>>> random.sample([1, 2, 3, 4, 5], 3) # Три элемента без повторений206[4, 1, 5]207```208209Распространённая задача – создать [`random.choice()`](https://python-all.ru/3.5/library/random.html#random.choice) с взвешенными вероятностями.210211Если веса представляют собой небольшие целые отношения, простой метод – построить выборку с повторениями:212213```python214>>> weighted_choices = [('Red', 3), ('Blue', 2), ('Yellow', 1), ('Green', 4)]215>>> population = [val for val, cnt in weighted_choices for i in range(cnt)]216>>> population217['Red', 'Red', 'Red', 'Blue', 'Blue', 'Yellow', 'Green', 'Green', 'Green', 'Green']218219>>> random.choice(population)220'Green'221```222223Более общий подход – расположить веса в виде кумулятивного распределения с помощью [`itertools.accumulate()`](https://python-all.ru/3.5/library/itertools.html#itertools.accumulate), а затем найти случайное значение с помощью [`bisect.bisect()`](https://python-all.ru/3.5/library/bisect.html#bisect.bisect):224225```python226>>> choices, weights = zip(*weighted_choices)227>>> cumdist = list(itertools.accumulate(weights))228>>> cumdist # [3, 3+2, 3+2+1, 3+2+1+4]229[3, 5, 6, 10]230231>>> x = random.random() * cumdist[-1]232>>> choices[bisect.bisect(cumdist, x)]233'Blue'234```235