python中的随机数是怎么实现的
PYTHON中的伪随机数发生器用的是梅森旋转算法。
梅森旋转算法（Mersenne twister）是一个伪随机数发生算法。由松本真和西村拓士在1997年开发，基于有限二进制字段上的矩阵线性递归。可以快速产生高质量的伪随机数，修正了古典随机数发生算法的很多缺陷。
梅森旋转算法是R、Python、Ruby、IDL、Free Pascal、PHP、Maple、Matlab、GNU多重精度运算库和GSL的默认伪随机数产生器。从C++11开始，C++也可以使用这种算法。
整个算法主要分为三个阶段：获得基础的梅森旋转链；对于旋转链进行旋转算法；对于旋转算法所得的结果进行处理。
算法实现的过程中，参数的选取取决于梅森素数，故此得名。
梅森素数由梅森数而来。所谓梅森数，是指形如2↑p－1的一类数，其中指数p是素数，常记为Mp 。如果梅森数是素数，就称为梅森素数。
例如4-1=3，8-1=7，16-1=15（不是素数），32-1=31，64-1=63（不是素数）等等。
伪随机和真随机区别
计算机不会产生绝对随机的随机数，计算机只能产生“伪随机数”。其实绝对随机的随机数只是一种理想的随机数，即使计算机怎样发展，它也不会产生一串绝对随机的随机数。计算机只能生成相对的随机数，即伪随机数。 1、随机性:完全乱序 2、不可推测性: 从已有的数，无法推测出下一个数; 3、不可重复性: 随机数之间不重复 真随机数是伴随着物理实验的，比如: 抛硬币、掷骰子、电子元件的噪音、核裂变等，它的结果符合三大特性的 伪随机数是通过一定算法，获得一个随机的值，并不是真的随机。伪随机又分为强伪随机数和弱伪随机数。强伪随机数:更加贴近真随机数，满足特性的。随机性和不可推测性，难以预测。弱伪随机数:满足随机性，可以预测。
什么是伪随机和真随机
真伪随机其实分别指的是几率和概率：
1、伪随机是指概率。它出现得并不规律，但是大致上就是这么多次数。比如百分之十七，如果是每2000次为一周期，那么百分之十七意味着，尽管你不确定这340次究竟会什么时候出现，但2000次中必然出现340次，不多一次也不会少一次。貌似这就是伪随机了。概率事件之间相互影响，一旦这一次没有触发，那么下一次触发的概率就会变大。
2、真随机是指几率。比如百分之十七的几率，意味着你这次触发特殊事件是百分之十七的可能性，下次也是，每一次都是。如果你这次失败，下次依然保持在17％的可能性。几率意味着事件之间毫无联系。几率是所有事件相互独立，单次可能性保持在一定的几率范围。
如何找到伪随机数规律？
找到伪随机数规律的方法有：\x0d\x0a1、直接法（DirectMethod），根据分布函数的物理意义生成。缺点是仅适用于某些具有特殊分布的随机数，如二项式分布、泊松分布。\x0d\x0a2、逆转法（InversionMethod），假设U服从[0，1]区间上的均匀分布，令X=F-1（U），则X的累计分布函数（CDF）为F。该方法原理简单、编程方便、适用性广。\x0d\x0a3、接受拒绝法（Acceptance-RejectionMethod）：假设希望生成的随机数的概率密度函数（PDF）为f，则首先找到一个PDF为g的随机数发生器与常数c，使得f（x）≤cg（x），然后根据接收拒绝算法求解。由于算法平均运算c次才能得到一个希望生成的随机数，因此c的取值必须尽可能小。显然，该算法的缺点是较难确定g与c。\x0d\x0a因此，伪随机数生成器（PRNG）一般采用逆转法，其基础是均匀分布，均匀分布PRNG的优劣决定了整个随机数体系的优劣。下文研究均匀分布的PRNG。\x0d\x0a更多关于如何找到伪随机数规律，进入：https://www.abcgonglue.com/ask/4c03b21615821894.html?zd查看更多内容
如何找到伪随机数规律
找到伪随机数规律的方法有：
1、直接法（DirectMethod），根据分布函数的物理意义生成。缺点是仅适用于某些具有特殊分布的随机数，如二项式分布、泊松分布。
2、逆转法（InversionMethod），假设U服从[0，1]区间上的均匀分布，令X=F-1（U），则X的累计分布函数（CDF）为F。该方法原理简单、编程方便、适用性广。
3、接受拒绝法（Acceptance-RejectionMethod）：假设希望生成的随机数的概率密度函数（PDF）为f，则首先找到一个PDF为g的随机数发生器与常数c，使得f（x）≤cg（x），然后根据接收拒绝算法求解。由于算法平均运算c次才能得到一个希望生成的随机数，因此c的取值必须尽可能小。显然，该算法的缺点是较难确定g与c。
因此，伪随机数生成器（PRNG）一般采用逆转法，其基础是均匀分布，均匀分布PRNG的优劣决定了整个随机数体系的优劣。下文研究均匀分布的PRNG。