在python中获取介于1到100万之间的随机数的最快方法
实现这一目标的绝对最快的方法是什么？我每天会做超过一百万次，所以我想要最大的效率。
使用numpy ( 20次后平均运行0.0001679009692429128次)
t0 = time.clock()
print(np.random.randint(1,1000000))
t1 = time.clock()
print (t1-t0)随机(平均值: 0.0000920492372555262)
t2 = time.clock()
print(random.choice(range(1,1000000)))
t3 = time.clock()
print (t3-t2)令我惊讶的是，random总是比numpy快。有没有更快的方法？
回答 4
Stack Overflow用户
发布于 2018-06-11 11:47:19
numpy在生成随机数的大样本(数组)时效率更高。例如,
In [10]: %timeit np.random.randint(1,1000000, 1000000)
5.14 ms ± 64.1 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
In [11]: %timeit [random.choice(range(1,1000000)) for _ in range(1000000)]
1.01 s ± 14.4 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)此外，有关如何执行计时测试的信息，请参阅How can I time a code segment for testing performance with Pythons timeit?。当您使用time.clock()时，您至少应该尝试多次重复该操作，然后计算平均时间。更可取的做法是使用timeit进行定时测试。此外，正如其他人在评论中提到的那样，print()比随机数生成花费的时间要长得多，所以您的计时测试主要是测量print()的工作速度。相反，您应该这样做：
In [12]: repeat = 1000000
...: t0 = time.clock()
...: for _ in range(repeat):
...: np.random.randint(1, 1000000)
...: t1 = time.clock()
...: print((t1 - t0) / repeat)
1.3564629999999908e-06
In [13]: repeat = 1000000
...: t2 = time.clock()
...: for _ in range(repeat):
...: random.choice(range(1, 1000000))
...: t3 = time.clock()
...: print((t3 - t2) / repeat)
1.0206699999999956e-06因此，对于单个数字，numpy平均只比内置随机数生成器慢大约35%。然而，之前的测试表明，在生成大样本时，numpy的速度要快得多。
Stack Overflow用户
发布于 2018-06-11 11:21:38
我写了一个测试程序。它显示完成您的任务只需要1秒。所以，你想怎么写就怎么写吧，它不会成为你的瓶颈。
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
# Xiang Wang @ 2018-05-23 16:49:00
import time
import random
start = time.time()
for i in range(1000000):
random.randint(1, 1000000)
end = time.time()
print("total time: {}".format(end-start))
Stack Overflow用户
发布于 2018-06-11 11:46:35
如果您使用的是numpy，那么使用random.random_integers一次性生成所需的所有值会更有效。python和numpy都使用Mersenne Twister。更多信息：Differences between numpy.random and random.random in Python
https://stackoverflow.com/questions/50789448
复制相似问题
腾讯云开发者
