python的random.random()曾经返回1.0还是只返回到0.9999 ..?python的random.random()从标准库的范围
回答
文档在此:http://docs.python.org/library/random.html
...随机(),它在 均匀 生成随机浮子半开区间[0.0,1.0)。
因此,返回值将大于或等于0,并小于1.0。
有关括号/父范围表示法的解释,请看这里:http://en.wikipedia。 org/wiki/Interval_(数学)#Terminology –
我认为当你使用Python进行编程时,Python的内部帮助系统(如另一个答案中提到的)更容易被访问。 'help(random.random)'会给OP提供他需要的信息。 – Omnifarious
当你在网页上写作时,链接到真实文档要好得多。 –
Python的random.random
函数返回小于但不等于1
的数字。
但是,它可以返回0
。
random() - > x在区间[0,1) 即包括0. – telliott99
@ telliott99:这(几乎)正是我所说的。 – SLaks
+1是唯一不依赖科幻数学符号的答案! –
>>> help(random.random)
Help on built-in function random:
random(...)
random() -> x in the interval [0, 1).
这意味着排除1。
我最喜欢你的回答。 Python有一个很棒的内部帮助系统,应该鼓励人们使用它。 – Omnifarious
其他答案已经明确了1不在范围内,但出于好奇,我决定看看源代码,看看它是如何计算的。
的CPython的源可以发现here
/* random_random is the function named genrand_res53 in the original code;
* generates a random number on [0,1) with 53-bit resolution; note that
* 9007199254740992 == 2**53; I assume they're spelling "/2**53" as
* multiply-by-reciprocal in the (likely vain) hope that the compiler will
* optimize the division away at compile-time. 67108864 is 2**26. In
* effect, a contains 27 random bits shifted left 26, and b fills in the
* lower 26 bits of the 53-bit numerator.
* The orginal code credited Isaku Wada for this algorithm, 2002/01/09.
*/
static PyObject *
random_random(RandomObject *self)
{
unsigned long a=genrand_int32(self)>>5, b=genrand_int32(self)>>6;
return PyFloat_FromDouble((a*67108864.0+b)*(1.0/9007199254740992.0));
}
因此函数有效地产生m/2^53
其中0 <= m < 2^53
是整数。由于浮点数通常具有53位的精度,这意味着在[1/2,1]范围内,每个可能的浮点数都会生成。对于接近0的值,它会跳过一些可能的浮点值以提高效率,但生成的数字在该范围内均匀分布。通过random.random
产生尽可能多的恰恰是
0.99999999999999988897769753748434595763683319091796875
+1对于最大可能的浮点数! –
如果上面的C代码是用-fsingle-precision-constant编译的,则可以得到1.0。详情请参阅我的回答 –
从锑的答案很容易看出,random.random()从来没有准确的1.0返回上有计算至少53位尾数平台的代码涉及在C中未用'f'注解的常量。这就是IEEE 754规定的精度,今天是标准。
但是,在精度较低的平台上,例如,如果在嵌入式平台上使用-fsingle-precision-constant编译Python,将b添加到* 67108864.0会导致舍入为2^53,如果b为足够接近2^26,这意味着返回1.0。请注意,无论Python的PyFloat_FromDouble函数使用什么精度,都会发生这种情况。
测试这种方法的一种方法是检查几百个随机数是否第53位是1.如果它至少有1次,这证明了足够的精度,你很好。如果不是,舍入是random.random()可以返回1.0的最可能的解释。当然可能你只是不幸。您可以通过测试更多数字来将确定性提高到您想要的水平。
- 1. VLOOKUP范围内的标准
- 2. 标准化[0 -1]范围内的值
- 3. Rails的添加范围Mongoid标准
- 4. 将范围内的值标准化
- 5. Python标准库真的是标准吗?
- 6. 的Python:从标准
- 7. 的Python random.random - 滚动0
- 8. Python的范围
- 9. @组件弹簧注释标准范围
- 10. 范围标准化(0到1)
- 11. 块范围链接C标准
- 12. mod_wsgi python无法从标准库导入
- 13. 将“180-360”的数据范围标准化到“0-100”范围 - jQuery/JS
- 14. Python:其中是random.random()播种?
- 15. 是否有可用的基于全范围的标准库实现?
- 16. 标准Python库和Unicode
- 17. 寻找Python标准库
- 18. 未安装Python标准库?
- 19. 如何确定给定标准的连续范围的大小?
- 20. 带范围标准的连接表上的MySQL优化
- 21. COUNTIFS与不同的表范围的标准
- 22. ASN.1标准中提到的GraphicString的范围
- 23. 对标准Python库的YCM支持
- 24. 的Python:在标准库覆盖方法
- 25. 删除Python标准库中的变量
- 26. Python标准库中的文档示例
- 27. Python标准库的运输部分
- 28. Ruby和Python中的范围
- 29. Python的范围错误
- 30. Python的函数范围
在他们的丘陵中有黄金。有关random.random()返回结果的问题,请指出42分(和计数)。 <插入合适的感叹号> – telliott99
注意,如果你没有终止你的序列0.9999,它实际上等于1.0。 –