Question

不是数学专业或cs专业，我只是愚弄python（通常为视频游戏制作模拟/理论制作的脚本），我发现了random.randint有多么糟糕的表现。它让我想知道为什么random.randint或random.randrange按原样使用/制作。我创建了一个函数，用于生成（用于所有意图和实际目的）与random.randint相同的结果：

big_bleeping_float= (2**64 - 2)/(2**64 - 2)
def fastrandint(start, stop):
  return start + int(random.random() * (stop - start + big_bleeping_float))

使用它可以产生180％的速度提升，以生成0-65范围内的整数（与random.randrange（0,66）相比，这是下一个最快的方法。

>>> timeit.timeit('random.randint(0, 66)', setup='from numpy import random', number=10000)
0.03165552873121058

>>> timeit.timeit('random.randint(0, 65)', setup='import random', number=10000)
0.022374771118336412

>>> timeit.timeit('random.randrange(0, 66)', setup='import random', number=10000)
0.01937231027605435

>>> timeit.timeit('fastrandint(0, 65)', setup='import random; from fasterthanrandomrandom import fastrandint', number=10000)
0.0067909916844523755

此外，这个函数作为random.choice的替代品的改编速度提高了75％，我确信添加大于一个步进范围会更快（尽管我没有测试过）。使用fastrandint函数几乎可以提高速度的两倍，您可以简单地将其写入内联：

>>> timeit.timeit('int(random.random() * (65 + big_bleeping_float))', setup='import random; big_bleeping_float= (2**64 - 2)/(2**64 - 2)', number=10000)
0.0037642723021917845

总而言之，为什么我错了我的功能更好，为什么它更好更快，并且还有更快的方式去做我正在做的事情？

Answer 1

random.randint()和其他人正在调用random.getrandbits()这可能效率低于直接调用random()，但有充分理由。

使用调用randint的{{1}}实际上更为正确，因为它可以无偏见的方式完成。

您可以看到，使用random.random生成某个范围内的值最终会被偏置，因为只有M个浮点值介于0和1之间（对于M非常大）。取一个不分为M的N，然后如果我们为random.getrandbits()写M = k N + r。充其量，使用0<r<N 我们会得到random.random() * (N+1)个数字，其中概率（k + 1）/ M和r数字以概率N-r出现。（这是充其量，使用鸽子洞原则 - 在实践中我预计偏见会更糟糕。）

请注意，这种偏见仅适用于

大量抽样
其中N是M的大部分，（0,1）

所以它可能对你不重要，除非你知道你需要无偏见的价值观 - 比如科学计算等。

相反，k/M的值可以通过使用重复调用randint(0,N)的拒绝采样来无偏。当然，管理这会带来额外的开销。

<强>除了

如果你最终使用自定义随机实现，那么

来自python 3 docs

几乎所有模块函数都依赖于random（）的基本函数在半开放范围[0.0,1.0]内均匀生成随机浮点数。

这表明random.getrandbits()和其他人可以使用randint来实施。如果是这种情况我会期望它们变慢，每次调用至少产生一个加法函数调用开销。

查看https://stackoverflow.com/a/37540577/221955中引用的代码，您可以看到如果随机实现没有提供random.random函数，就会发生这种情况。

Answer 2

randint调用randrange执行一系列范围/类型检查和转换，然后使用_randbelow生成随机int。 _randbelow再次进行一些范围检查，最后使用random。

因此，如果您删除所有边缘案例检查和一些函数调用开销，那么fastrandint更快就会出乎意料。

Answer 3

这可能很少出现问题，但randint(0,10**1000)在fastrandint(0,10**1000)崩溃时有效。较慢的时间可能是您需要支付的价格，以便拥有适用于所有可能情况的功能......

为什么＆＃34;正常＆＃34;生成随机整数的方法如此之慢？

3 个答案: