Wie man Zufallszahlen in Python generiert

Key Takeaways

1. Verwenden Sie random.randint() für die allgemeine Erzeugung von Ganzzahlen.
2. Verwenden Sie secrets.randbelow() für kryptografisch sichere Zufallszahlen.
3. Verwenden Sie numpy.random.randint() für schnelle, umfangreiche Zufallszahlen-Arrays.

Das Generieren von Zufallszahlen ist eine häufige Aufgabe in der Programmierung, die in einer Vielzahl von Anwendungen nützlich ist, wie z. B. Simulationen, Spiele, Kryptographie und Tests. Python bietet verschiedene integrierte Methoden, um Zufallszahlen effizient und sicher zu generieren. In diesem Artikel werden wir die am häufigsten verwendeten Ansätze untersuchen.

Verwenden des random-Moduls

Die Python-Standardbibliothek enthält das random-Modul, das eine Reihe von Funktionen zum Generieren von Pseudo-Zufallszahlen bietet.

1. random.randint(a, b)

Diese Funktion gibt eine zufällige ganze Zahl N zurück, sodass a <= N <= b gilt.

import random

num = random.randint(1, 10)
print(num)  # Die Ausgabe könnte eine beliebige ganze Zahl von 1 bis 10 (einschließlich) sein

Hinweis: Beide Endpunkte sind inklusive.

2. random.randrange(start, stop[, step])

randrange() ist ähnlich wie range(), aber es gibt ein zufällig ausgewähltes Element aus dem Bereich zurück.

num = random.randrange(0, 100, 5)
print(num)  # Die Ausgabe könnte 0, 5, 10, ..., bis weniger als 100 sein

Verwenden des secrets-Moduls (für Sicherheit)

Wenn Sie kryptografisch sichere Zufallszahlen benötigen (z. B. für Passwörter, Token oder Authentifizierung), verwenden Sie das secrets-Modul, das sich ebenfalls in der Python-Standardbibliothek befindet (seit Python 3.6).

import secrets

num = secrets.randbelow(10)  # Gibt eine ganze Zahl im Bereich [0, 10) zurück
print(num)

Dies ist sicherer als random.randint(), aber etwas langsamer.

Verwenden von numpy für die großtechnische Generierung

Wenn Sie mit Data Science oder Simulationen arbeiten und viele Zufallszahlen effizient generieren müssen, bietet numpy schnelle, vektorisierte Werkzeuge:

import numpy as np

arr = np.random.randint(0, 100, size=10)
print(arr)  # Gibt ein NumPy-Array mit 10 zufälligen ganzen Zahlen zwischen 0 und 99 aus

numpy ist nicht Teil der Standardbibliothek und muss separat installiert werden (pip install numpy).

Fazit

Zusammenfassend:

Wählen Sie die Methode, die Ihren Anforderungen am besten entspricht, sei es für alltägliche Skripte, sichere Anwendungen oder umfangreiche numerische Arbeiten.

FAQs

Was ist der Unterschied zwischen randint() und randrange()?

randint(a, b) umfasst sowohl a als auch b, während randrange(a, b) b ausschließt.

Wann sollte ich das secrets-Modul verwenden?

Verwenden Sie es, wenn Sicherheit ein Problem ist, z. B. zum Generieren von Passwörtern oder Token.

Muss ich etwas installieren, um numpy.random.randint() zu verwenden?

Ja, NumPy muss separat mit pip install numpy installiert werden.

Wir sind Leapcell, Ihre erste Wahl für das Hosten von Python-Projekten.

Leapcell ist die Next-Gen Serverless Plattform für Webhosting, asynchrone Aufgaben und Redis:

Multi-Language Support

• Entwickeln Sie mit Node.js, Python, Go oder Rust.

Stellen Sie unbegrenzt Projekte kostenlos bereit

• Zahlen Sie nur für die Nutzung - keine Anfragen, keine Gebühren.

Unschlagbare Kosteneffizienz

• Pay-as-you-go ohne Leerlaufgebühren.
• Beispiel: 25 US-Dollar unterstützen 6,94 Millionen Anfragen bei einer durchschnittlichen Antwortzeit von 60 ms.

Optimierte Entwicklererfahrung

• Intuitive Benutzeroberfläche für mühelose Einrichtung.
• Vollautomatisierte CI/CD-Pipelines und GitOps-Integration.
• Echtzeitmetriken und -protokollierung für umsetzbare Erkenntnisse.

Mühelose Skalierbarkeit und hohe Leistung

• Automatische Skalierung zur einfachen Bewältigung hoher Parallelität.
• Kein operativer Aufwand - konzentrieren Sie sich einfach auf das Bauen.

Erfahren Sie mehr in der Dokumentation!

Folgen Sie uns auf X: @LeapcellHQ