User:Xyy23330121/Python/随机数
 |  |
许多重要功能需要用随机数来实现。本页面将讲解几种生成随机数的方法。其中 random 模块的随机数不适合用作加密目的，而 secret 模块的随机数适合用作加密。
生成 n 个随机字节。
random.randrange(start, stop[, step])
随机在 range(start, stop, step) 中选择一个元素，并返回。
由于参数解释方式的原因，在只有一个参数时，不应该使用关键字参数。比如 randrange(start = 10) 会被解释为 randrange(0, 10, 1)。
相当于 random.randrange(a, b+1)。
返回具有 k 个随机比特位的非负整数。
返回一个随机的浮点数 x，满足 0 <= x < 1
返回在 a 和 b 之间的一个随机的浮点数。
其结果等同于 a + (b-a)*random.random()，是否包含 b 取决于浮点舍入误差。
从非空序列 seq 中，随机选取一个元素，并返回选取的元素。如果 seq 为空序列，则报错 IndexError。
从非空序列 population 中，有重复地选取元素 k 次，并返回选取得到的列表。如果 population 为空序列，则报错 IndexError。
weights 为权重序列。它表示 population 中每个元素的权重。该序列的长度应该与 population 相等。各个权重值应当为非负且有限的数值。且应当使用能与浮点数互相运算的类型（比如整数、浮点数、fractions.Fraction，不包括 decimal.Decimal）。
cum_weights 为累计权重序列。它以累积的方式表示元素权重，比如：
cum_weights 为[1,2,4] 与 weights 为 [1,1,2] 的效果是相同的。
在函数内部，权重序列会被转化为累计权重序列再进行计算。
cum_weights 不应和 weights 同时设置。如果同时设置 weights 和 cum_weights，则报错 TypeError。如果两者都没有被设置，则默认每个元素的权重相等。
即便使用相同的种子，不设置权重，该函数返回的序列，与 random.choice 函数反复 k 次得到的序列是不同的。这是因为 random.choice 默认使用整数运算算法来规避舍入误差，而该函数使用浮点运算。
从非空序列 population 中，无重复地选取元素 k 次，并返回选取得到的列表。如果 population 为空序列，则报错 IndexError。
counts 指定 population 中，元素出现的次数。它应当是长度等同于 population 长度的、全是整数的序列。
比如：random.sample([0,1,1,1],k=2) 等同于 random.sample([0,1],k=2,counts=[1,3])。
若不指定 counts，相当于设 counts 为全 1 序列。如果 k > sum(counts)，则报错 ValueError。
对于从一系列整数中选取样本的情况，使用 range 函数生成的 range 对象作为 population 会大量节省空间并提高计算速度。
将可变序列 x 打乱。类似 list.sort 方法，该函数会直接修改 x 的内容。
由于排列数可以随着 x 长度增加而快速增加——并超出随机数生成器的周期。因此，对于过长序列而言，其大多数排列永远不会被 random.shuffle 函数所产生。
若使用默认的 Mersenne Twister 随机数生成器，过长意味着序列长度大于 2080。
返回 n 次独立实验，在每次实验成功率为 p 时，成功的次数。
按三角分布返回浮点数。
默认 (low, high, mode) 为 (0, 1, 0.5)。
按 beta 分布返回浮点数。
其中 alpha 和 beta 都应大于零。
按指数分布返回浮点数。
其中 lambd 应是非零的。
按 gamma 分布返回浮点数。
按正态分布（也即高斯分布）返回浮点数。
如果两个线程同时调用此函数，它们可能返回相同的值。为避免这个问题，可以：
- 让每个线程使用不同的随机数生成器实例
- 为每一次调用加锁
- 改用速度较慢，但是线程安全的 random.normalvariate 函数。
按正态分布（也即高斯分布）返回浮点数。
按对数正态分布返回浮点数。
按冯·米塞斯分布返回浮点数。
按帕累托分布返回浮点数。
按威布尔分布返回浮点数。
以上所述的 random 模块的函数都基于 random 模块提供的随机数生成器。
random 模块的几乎所有函数都依赖于默认随机数生成器 random.Random 的一个核心方法 random.Random().random()。默认随机数生成器使用高效的 梅森旋转算法 作为核心随机数生成器。但是，只要知道种子，梅森旋转算法的结果就是完全确定的。因此 random 模块的随机数不适合用作加密目的。
以下几个操作会更改当前使用的默认随机数生成器。
初始化随机数生成器。a 为使用的种子，而 version 代表处理种子的方法。
如果 a 为 None，则使用操作系统提供的随机数，如果操作系统不提供随机数，则使用当前系统时间。
如果要指定 a，a 可以为整数、字符串、bytes 或 bytearray。其中整数不会被处理，并将直接作为种子使用。而字符串、bytes 和 bytearray 都会被处理：
- 如果 version 为
2，则会将字符串、bytes 或 bytearray 对象转换为整数，并使用整数的所有位数作为种子。
- 如果 version 为
1，相对于 version 为2的时候，如果用字符串做种子，可能的种子范围较小。不建议设置 version 为1，应仅在需要从旧版本的 Python 再现随机序列时使用它。
random.getstate() 会返回表示随机数生成器内部状态的元组。该元组可以传入 random.setstate(state) 函数来恢复状态。
random 模块使用的默认随机数生成器。
random.Random 的以下几个实例方法和核心随机数生成器有关。
random.seed 函数调用的方法。
random.getstate 函数调用的方法。
random.setstate 函数调用的方法。
random.random 函数调用的方法。
random.getrandbits 函数调用的方法。
这里所述“延申方法”是基于“核心方法”的、random 模块的函数使用的方法。特别的，每个函数使用的方法都和函数同名。即：
- 在随机数生成器内部状态相同的情况下，
random.choice(seq)的结果等同于random.Random().choice(seq)的结果。
由于前面章节的函数已经充分介绍过了。这里不再具体列出所有方法。
使用 os.urandom() 函数的类。该类型并非适用于所有系统、也不依赖于软件状态。其生成的随机数序列无法重现。
该类型提供的方法和上面的方法相同。其中，seed 方法没有任何作用。
要自定义不同于默认梅森旋转算法的随机数生成器，应该自定义 random.Random 的子类，并修改其核心方法。
在使用自定义的生成器时，直接用继承自 random.Random 的“延申方法”即可。只要核心方法正确且恰当，延申方法的结果也应当符合预期。
secret 模块用于生成高度加密的、安全的随机数。适用于管理密码、账户验证、安全凭据等机密数据。
类似 random.SystemRandom，这是使用 os.urandom() 函数的类。
从非空序列 sequence 中随机选取一个元素，并返回选取的元素。
返回一个随机整数。范围为
返回具有 k 个随机比特位的非负整数。
返回含 nbytes 个字节的随机 bytes 对象。如果 nbytes 为 None，则使用合理的默认值。
随着计算机能力的提升，保证安全所需的、随机字节数也会提升。因此，nbytes 的默认值在版本更新时会随时改变。
类似 secrets.token_bytes 函数，但返回的是对应的十六进制字符串。
类似 secrets.token_bytes 函数，但返回的是对应的、Base64 编码的字符串。平均每个字节对应 1.3 个字符。
对于 Python 默认的字符串之间和 bytes 之间的比较方式，我们在进行以下比较时，会有不同的返回时间：
"password" == "a"，在比较第一位时立刻返回False"password" == "pa"，在比较第三位时立刻返回False
通过测定返回的时间差，攻击者可以按位分别匹配比较的位数、而非将所有位数整体匹配。
简单来讲，对于每个字符有 n 种可能性，字符串长度为 m 的情况。如果 k 个字符的比较足以测量返回的时间差，这会使得攻击所需遍历的可能性数目从最高约n**m种变为约(n**k)*(m/k)种。
可以使用以下函数解决则会个问题：
输入两个字符串或两个 bytes。如果两个字符串（或 bytes）相等，则返回 True。反之，返回 False。
该函数不考虑高效性，无论 a 和 b 之间相匹配的位数有多少，它都会对每一位都进行匹配计算。这使得上面所述的时间差不存在。