• random은 난수를 생성하는 파이썬의 표준 라이브러리
  • 의사 난수(pseudo-random) 생성기
  • 완전한 랜덤이 아닌 시드(seed)기반
  • 동일한 seed -> 동일한 결과
  • 시드 기반으로 예측이 가능하기 때문에 보안 관련에는 사용X

---

실수 난수

import random

print(random.random())

• random: 0.0 ≤ x < 1.0

import random

print(random.uniform(a, b))

• uniform: a ≤ x ≤ b

---

정수 난수

import random

print(random.randint(a, b))

• randint: a ≤ x ≤ b

import random

print(random.randrange(start, stop, step))

• randrange: start ≤ x < stop

import random

print(random.randrange(0, 5, 2))

• range()와 동일한 방식으로 동작
• 나올 수 있는 수: 0, 2, 4

---

시퀀스

import random

random.choice(['sword', 'axe', 'spear'])

• choice
  • 인자값으로 넣은 리스트 중 하나 뽑아서 리턴

import random

item = random.choices(['sword', 'axe', 'spear'], k=2)
print(item)

• choices
  • 리스트 중 k개 뽑아서 리스트로 리턴
  • k값을 안넣으면 기본은 1개 뽑기
  • 1개만 뽑아도 리스트로 리턴
  • 중복으로 뽑기 허용

import random

grade = ['normal', 'rare', 'unique']
item = random.choices(grade, weights=[65,25,10], k=1)
print(item)

• choices의 파라미터중 weights로 각 리스트 요소들에 대한 가중치를 설정할 수 있음
• 리스트의 요소 갯수와 weights의 요소 갯수이 불일치할 경우 ValueError 발생

import random

nums = random.sample([1,2,3], 3)
print(nums)

[2, 3, 1]

• sample
  • 여러 개 뽑기
  • k값 넣어줘야함
  • 리스트를 리턴함
  • 중복 X
  • 리스트 요소보다 뽑는 횟수가 많으면 중복을 허용하지 않기 때문에 ValueError

import random

nums = [1,2,3,4,5]
random.shuffle(nums)
print(nums)

• shuffle
  • 원본을 섞음
  • 리턴값은 None

---

시드

import random

random.seed(42)
print(random.randint(1, 10))

• 시드는 난수생성기의 시작 상태
• 시드가 같으면 같은 결과값이 나옴
• random은 진짜 랜덤이 아니고 seed + 알고리즘으로 숫자를 만들어내는 것
• 시드는 시간, 요청 순서, 패턴 등으로 추측 가능
• 토큰, 인증과 같은 보안에는 random이 아닌 secrets 모듈 사용

---

고급 분포 함수

정규 분포

import random

random.gauss(mu, sigma)

• 정규분포 기반 난수를 만들어줌(평균 주변에 값이 몰리는 랜덤 값)
• 현실적이고 자연스러운 값 변화
• mu: 평균(mean)
• sigma: 표준편차
• 정규분포
  • 가운데(평균)에 값이 가장 많음
  • 멀어질수록 확률 급감
• 사용
  • 데미지
  • AI
  • 노이즈

지수 분포

import random

print(random.expovariate(lambd))

• 지수 분포 기반 난수를 만들어줌
• 지수분포
  • 같은 확률로 계속 시도하지만, 오래 기다리려면 계속 실패해야 해서 앞쪽에 값이 몰린다
    • 값이 작을수록 많이 나옴
    • 값이 커질수록 확률 급격히 감소
  • Memoryless
    • 지금까지 기다린 시간은 의미 없음
    • 10초 기다렸어도 다음 1초안에 올 확률은 항상 동일
  • 대기 시간(waiting time) 모델
  • 항상 양수
  • 균등 분포 아님(랜덤인데 한쪽으로 치우침)
• 사용
  • 서버(API 요청 간격)
  • 네트워크(패킷 도착 시간 모델링)
  • 시뮬레이션