使用者:Xyy23330121/Python/隨機數
 |  |
許多重要功能需要用隨機數來實現。本頁面將講解幾種生成隨機數的方法。其中 random 模塊的隨機數不適合用作加密目的，而 secret 模塊的隨機數適合用作加密。
生成 n 個隨機字節。
random.randrange(start, stop[, step])
隨機在 range(start, stop, step) 中選擇一個元素，並返回。
由於參數解釋方式的原因，在只有一個參數時，不應該使用關鍵字參數。比如 randrange(start = 10) 會被解釋為 randrange(0, 10, 1)。
相當於 random.randrange(a, b+1)。
返回具有 k 個隨機比特位的非負整數。
返回一個隨機的浮點數 x，滿足 0 <= x < 1
返回在 a 和 b 之間的一個隨機的浮點數。
其結果等同於 a + (b-a)*random.random()，是否包含 b 取決於浮點捨入誤差。
從非空序列 seq 中，隨機選取一個元素，並返回選取的元素。如果 seq 為空序列，則報錯 IndexError。
從非空序列 population 中，有重複地選取元素 k 次，並返回選取得到的列表。如果 population 為空序列，則報錯 IndexError。
weights 為權重序列。它表示 population 中每個元素的權重。該序列的長度應該與 population 相等。各個權重值應當為非負且有限的數值。且應當使用能與浮點數互相運算的類型（比如整數、浮點數、fractions.Fraction，不包括 decimal.Decimal）。
cum_weights 為累計權重序列。它以累積的方式表示元素權重，比如：
cum_weights 為[1,2,4] 與 weights 為 [1,1,2] 的效果是相同的。
在函數內部，權重序列會被轉化為累計權重序列再進行計算。
cum_weights 不應和 weights 同時設置。如果同時設置 weights 和 cum_weights，則報錯 TypeError。如果兩者都沒有被設置，則默認每個元素的權重相等。
即便使用相同的種子，不設置權重，該函數返回的序列，與 random.choice 函數反覆 k 次得到的序列是不同的。這是因為 random.choice 默認使用整數運算算法來規避捨入誤差，而該函數使用浮點運算。
從非空序列 population 中，無重複地選取元素 k 次，並返回選取得到的列表。如果 population 為空序列，則報錯 IndexError。
counts 指定 population 中，元素出現的次數。它應當是長度等同於 population 長度的、全是整數的序列。
比如：random.sample([0,1,1,1],k=2) 等同於 random.sample([0,1],k=2,counts=[1,3])。
若不指定 counts，相當於設 counts 為全 1 序列。如果 k > sum(counts)，則報錯 ValueError。
對於從一系列整數中選取樣本的情況，使用 range 函數生成的 range 對象作為 population 會大量節省空間並提高計算速度。
將可變序列 x 打亂。類似 list.sort 方法，該函數會直接修改 x 的內容。
由於排列數可以隨着 x 長度增加而快速增加——並超出隨機數生成器的周期。因此，對於過長序列而言，其大多數排列永遠不會被 random.shuffle 函數所產生。
若使用默認的 Mersenne Twister 隨機數生成器，過長意味着序列長度大於 2080。
返回 n 次獨立實驗，在每次實驗成功率為 p 時，成功的次數。
按三角分布返回浮點數。
默認 (low, high, mode) 為 (0, 1, 0.5)。
按 beta 分布返回浮點數。
其中 alpha 和 beta 都應大於零。
按指數分布返回浮點數。
其中 lambd 應是非零的。
按 gamma 分布返回浮點數。
按正態分布（也即高斯分布）返回浮點數。
如果兩個線程同時調用此函數，它們可能返回相同的值。為避免這個問題，可以：
- 讓每個線程使用不同的隨機數生成器實例
- 為每一次調用加鎖
- 改用速度較慢，但是線程安全的 random.normalvariate 函數。
按正態分布（也即高斯分布）返回浮點數。
按對數正態分布返回浮點數。
按馮·米塞斯分布返回浮點數。
按帕累托分布返回浮點數。
按威布爾分布返回浮點數。
以上所述的 random 模塊的函數都基於 random 模塊提供的隨機數生成器。
random 模塊的幾乎所有函數都依賴於默認隨機數生成器 random.Random 的一個核心方法 random.Random().random()。默認隨機數生成器使用高效的 梅森旋轉算法 作為核心隨機數生成器。但是，只要知道種子，梅森旋轉算法的結果就是完全確定的。因此 random 模塊的隨機數不適合用作加密目的。
以下幾個操作會更改當前使用的默認隨機數生成器。
初始化隨機數生成器。a 為使用的種子，而 version 代表處理種子的方法。
如果 a 為 None，則使用操作系統提供的隨機數，如果操作系統不提供隨機數，則使用當前系統時間。
如果要指定 a，a 可以為整數、字符串、bytes 或 bytearray。其中整數不會被處理，並將直接作為種子使用。而字符串、bytes 和 bytearray 都會被處理：
- 如果 version 為
2，則會將字符串、bytes 或 bytearray 對象轉換為整數，並使用整數的所有位數作為種子。
- 如果 version 為
1，相對於 version 為2的時候，如果用字符串做種子，可能的種子範圍較小。不建議設置 version 為1，應僅在需要從舊版本的 Python 再現隨機序列時使用它。
random.getstate() 會返回表示隨機數生成器內部狀態的元組。該元組可以傳入 random.setstate(state) 函數來恢復狀態。
random 模塊使用的默認隨機數生成器。
random.Random 的以下幾個實例方法和核心隨機數生成器有關。
random.seed 函數調用的方法。
random.getstate 函數調用的方法。
random.setstate 函數調用的方法。
random.random 函數調用的方法。
random.getrandbits 函數調用的方法。
這裡所述「延申方法」是基於「核心方法」的、random 模塊的函數使用的方法。特別的，每個函數使用的方法都和函數同名。即：
- 在隨機數生成器內部狀態相同的情況下，
random.choice(seq)的結果等同於random.Random().choice(seq)的結果。
由於前面章節的函數已經充分介紹過了。這裡不再具體列出所有方法。
使用 os.urandom() 函數的類。該類型並非適用於所有系統、也不依賴於軟件狀態。其生成的隨機數序列無法重現。
該類型提供的方法和上面的方法相同。其中，seed 方法沒有任何作用。
要自定義不同於默認梅森旋轉算法的隨機數生成器，應該自定義 random.Random 的子類，並修改其核心方法。
在使用自定義的生成器時，直接用繼承自 random.Random 的「延申方法」即可。只要核心方法正確且恰當，延申方法的結果也應當符合預期。
secret 模塊用於生成高度加密的、安全的隨機數。適用於管理密碼、賬戶驗證、安全憑據等機密數據。
類似 random.SystemRandom，這是使用 os.urandom() 函數的類。
從非空序列 sequence 中隨機選取一個元素，並返回選取的元素。
返回一個隨機整數。範圍為
返回具有 k 個隨機比特位的非負整數。
返回含 nbytes 個字節的隨機 bytes 對象。如果 nbytes 為 None，則使用合理的默認值。
隨着計算機能力的提升，保證安全所需的、隨機字節數也會提升。因此，nbytes 的默認值在版本更新時會隨時改變。
類似 secrets.token_bytes 函數，但返回的是對應的十六進制字符串。
類似 secrets.token_bytes 函數，但返回的是對應的、Base64 編碼的字符串。平均每個字節對應 1.3 個字符。
對於 Python 默認的字符串之間和 bytes 之間的比較方式，我們在進行以下比較時，會有不同的返回時間：
"password" == "a"，在比較第一位時立刻返回False"password" == "pa"，在比較第三位時立刻返回False
通過測定返回的時間差，攻擊者可以按位分別匹配比較的位數、而非將所有位數整體匹配。
簡單來講，對於每個字符有 n 種可能性，字符串長度為 m 的情況。如果 k 個字符的比較足以測量返回的時間差，這會使得攻擊所需遍歷的可能性數目從最高約n**m種變為約(n**k)*(m/k)種。
可以使用以下函數解決則會個問題：
輸入兩個字符串或兩個 bytes。如果兩個字符串（或 bytes）相等，則返回 True。反之，返回 False。
該函數不考慮高效性，無論 a 和 b 之間相匹配的位數有多少，它都會對每一位都進行匹配計算。這使得上面所述的時間差不存在。