在 Python 中创建随机整数列表

Posted 2023-02-23

【中文标题】在 Python 中创建随机整数列表

【英文标题】：Create random list of integers in Python

【发布时间】：2011-05-09 11:57:56

【问题描述】：

出于测试目的，我想创建一个随机整数列表。数字的分布并不重要。唯一重要的是时间。我知道生成随机数是一项耗时的任务，但一定有更好的方法。

这是我目前的解决方案：

import random
import timeit

# Random lists from [0-999] interval
print [random.randint(0, 1000) for r in xrange(10)] # v1
print [random.choice([i for i in xrange(1000)]) for r in xrange(10)] # v2

# Measurement:
t1 = timeit.Timer('[random.randint(0, 1000) for r in xrange(10000)]', 'import random') # v1
t2 = timeit.Timer('random.sample(range(1000), 10000)', 'import random') # v2

print t1.timeit(1000)/1000
print t2.timeit(1000)/1000

v2 比 v1 更快，但它并没有在如此大的范围内工作。它给出了以下错误：

ValueError：样本大于总体

是否有适用于这种规模的快速、高效的解决方案？

答案的一些结果

安德鲁的：0.000290962934494

咬人的：0.0058455221653

KennyTM 的：0.00219276118279

NumPy 出现、看到并征服了。

【问题讨论】：

当然不行。 random.sample() 耗尽人口，使数字越来越随机。一旦整个种群被耗尽，就不可能进一步抽样。

你说是测试用的，测试需要多长时间？

对于需要时间（但不需要加密和安全性）的模拟，通常使用Linear Congruential Generator (LCG)。我相信Mersenne Twister 很快（但比 LCG 慢），如果我没记错的话，它提供了均匀分布。

【参考方案1】：

不完全清楚你想要什么，但我会使用numpy.random.randint：

import numpy.random as nprnd
import timeit

t1 = timeit.Timer('[random.randint(0, 1000) for r in xrange(10000)]', 'import random') # v1

### Change v2 so that it picks numbers in (0, 10000) and thus runs...
t2 = timeit.Timer('random.sample(range(10000), 10000)', 'import random') # v2
t3 = timeit.Timer('nprnd.randint(1000, size=10000)', 'import numpy.random as nprnd') # v3

print t1.timeit(1000)/1000
print t2.timeit(1000)/1000
print t3.timeit(1000)/1000

在我的机器上给出：

0.0233682730198
0.00781716918945
0.000147947072983

请注意，randint 非常与 random.sample 不同（为了让它在您的情况下工作，我必须将 1,000 更改为 10,000，正如其中一位评论员指出的那样 - 如果您真的想要它们从 0 到 1,000，你可以除以 10）。

如果你真的不在乎你得到什么分布，那么你可能不是很了解你的问题，或者是随机数——如果这听起来很粗鲁，请道歉......

【讨论】：

+1 for numpy，如果 Stiggo 需要这么多随机数，可能值得为此安装 numpy

安德鲁，你对分发的看法是完全正确的。但这不是真的。只是朋友之间的挑战。 :D 干杯！

【参考方案2】：

所有随机方法最终都会调用random.random()，所以最好的方法是直接调用它：

[int(1000*random.random()) for i in xrange(10000)]

例如，

random.randint 致电random.randrange。 random.randrange 在返回 istart + istep*int(self.random() * n) 之前检查范围有很多开销。

NumPy 当然还是要快得多。

【讨论】：

+1 我刚才只是在挖掘这一切，最终认为randrange 最终导致了对getrandbits 的调用。我错过了您必须实例化 SystemRandom 才能成为行为。谢谢你让我看得更仔细。

@Stiggo，当然，我认为不使用 numpy 的唯一原因是您的平台不支持 numpy。例如。谷歌应用引擎

在 Python3 中，random.randrange(1000) 旨在产生比 random.random()*1000 更均匀的分布。请参阅此处的第 9.6.2 节：docs.python.org/3/library/random.html

@AlexeyPolonsky，不错的接机。如果我们很乐意将数字取到 1023，那么 [getrandbits(10) for r in range(10000)] 比我的答案中的列表理解快 9 倍

@JohnLaRooy 谢谢！这实际上更有用！

【参考方案3】：

您关于性能的问题没有实际意义——这两个功能都非常快。您的代码速度将取决于您对随机数做什么。

但是，重要的是您要了解这两个函数的行为差异。一种是有放回随机抽样，另一种是无放回随机抽样。

【参考方案4】：

首先，您应该使用randrange(0,1000) 或randint(0,999)，而不是randint(0,1000)。 randint 的上限包括在内。

为了高效，randint 只是 randrange 的包装器，它调用 random，所以你应该只使用 random。另外，使用xrange 作为sample 的参数，而不是range。

你可以使用

[a for a in sample(xrange(1000),1000) for _ in range(10000/1000)]

使用sample 10 次生成范围内的 10,000 个数字。

（当然这不会击败 NumPy。）

$ python2.7 -m timeit -s 'from random import randrange' '[randrange(1000) for _ in xrange(10000)]'
10 loops, best of 3: 26.1 msec per loop

$ python2.7 -m timeit -s 'from random import sample' '[a%1000 for a in sample(xrange(10000),10000)]'
100 loops, best of 3: 18.4 msec per loop

$ python2.7 -m timeit -s 'from random import random' '[int(1000*random()) for _ in xrange(10000)]' 
100 loops, best of 3: 9.24 msec per loop

$ python2.7 -m timeit -s 'from random import sample' '[a for a in sample(xrange(1000),1000) for _ in range(10000/1000)]'
100 loops, best of 3: 3.79 msec per loop

$ python2.7 -m timeit -s 'from random import shuffle
> def samplefull(x):
>   a = range(x)
>   shuffle(a)
>   return a' '[a for a in samplefull(1000) for _ in xrange(10000/1000)]'
100 loops, best of 3: 3.16 msec per loop

$ python2.7 -m timeit -s 'from numpy.random import randint' 'randint(1000, size=10000)'
1000 loops, best of 3: 363 usec per loop

---

但既然你不关心数字的分布，为什么不直接使用：

range(1000)*(10000/1000)

?

【讨论】：

randrange(1000) 在我的电脑上花费的时间是1000*int(random()) 的两倍以上

10000/1000的目的是什么？