在 Python 中创建随机整数列表

Question

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 快，但它并没有在这么大的范围内工作。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。

Answer 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......

Answer 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。

Answer 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。

Answer 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)

?