Come generare numeri casuali in Python

I numeri casuali sono fondamentali in molte aree della programmazione e della scienza. Python offre diversi modi per generare numeri pseudo-casuali per una varietà di scopi.

In questa guida completa spiegheremo cosa sono e come generare numeri casuali in Python.

Cos’è un numero casuale

Un numero casuale è un valore generato da un processo tale che non ci sono regolarità o modelli che possano essere sfruttati per prevedere il prossimo numero.

I numeri veramente casuali sono impossibili da generare con un computer, perché i computer sono intrinsecamente deterministici. Tuttavia, ci sono algoritmi che possono simulare l’aleatorietà producendo una sequenza di numeri che appaiono non correlati tra loro. Questi sono chiamati numeri pseudo-casuali.

Le sequenze di numeri pseudo-casuali hanno diverse applicazioni, come ad esempio:

• Simulazioni ed esperimenti scientifici
• Giochi d’azzardo
• Sicurezza informatica e crittografia
• Campionamento statistico
• Machine learning

Generatori di numeri casuali in Python

Python offre diversi moduli integrati per generare numeri casuali per varie distribuzioni statistiche. I principali sono:

Random

Il modulo random è il modo più semplice per generare numeri pseudo-casuali in Python. Fornisce funzioni per generare numeri casuali, campionare sequenze casuali e permutare sequenze in modo casuale.

Ecco alcuni esempi di utilizzo di random:

import random

# Generate a random integer between 1 and 10
random_num = random.randint(1,10) 

# Generate a random float between 0 and 1  
random_float = random.random()

# Sample a random element from a list
my_list = [1, 2, 3, 4]  
random_element = random.choice(my_list)

Secrets

Il modulo secrets è stato introdotto in Python 3.6 ed è raccomandato per la generazione di dati crittografici come password o chiavi crittografiche. È progettato per essere più sicuro rispetto a random.

import secrets

# Generate a random integer between 1 and 10
secure_num = secrets.randbelow(10) 

# Generate a random float between 0 and 1
secure_float = secrets.randbits(5) 

# Generate a random token
token = secrets.token_hex(16)

Numpy

Il pacchetto NumPy fornisce generatori di numeri pseudo-casuali avanzati basati su algoritmi come il generatore Mersenne Twister. Questi possono essere utilizzati per creare array di numeri casuali da diverse distribuzioni.

import numpy as np

# Generate a 1-D array containing 5 random ints between 0 and 10  
random_ints = np.random.randint(0,10,5)

# Generate a 2x3 array with random floats between 0 and 1
random_floats = np.random.random((2,3))

# Sample 5 values from a normal distribution with mean=0 and stddev=1
random_normal = np.random.normal(0, 1, 5)

Impostare il seed

I generatori di numeri casuali in Python sono basati su algoritmi deterministici. Ciò significa che genereranno sempre la stessa sequenza di numeri dato uno specifico seed.

Il seed è il numero iniziale usato per generare la sequenza pseudo-casuale. Impostando lo stesso seed si otterrà la stessa sequenza di “numeri casuali”.

Per impostare il seed si usa il metodo seed() del generatore random:

import random
random.seed(10) 

print(random.random()) # 0.5714025946899135
print(random.random()) # 0.4288890546751146 

random.seed(10)

print(random.random()) # Di nuovo 0.5714025946899135

Ciò è utile per riprodurre esperimenti o quando si vogliono risultati prevedibili durante il test del codice.

In generale, è meglio non impostare il seed e lasciare che venga inizializzato in modo casuale per ogni nuova esecuzione del programma.

Generare numeri casuali da una distribuzione

Oltre a generare numeri casuali uniformi, spesso è necessario generare valori da una specifica distribuzione di probabilità come la normale, binomiale, Poisson, ecc.

I moduli random e numpy forniscono metodi per generare campioni da diverse distribuzioni statistiche comuni.

Ad esempio, per generare una variabile casuale con distribuzione normale:

from random import normalvariate

# Normal distribution with mean=0 and stddev=1
normal_var = normalvariate(0, 1) 

from numpy.random import normal
normal_array = normal(0, 1, 100) # 100 values

Altri esempi di distribuzioni supportate:

• random.gauss(mu, sigma) – Gaussiana
• random.betavariate(alpha, beta) – Beta
• random.expovariate(lambd) – Esponenziale
• random.paretovariate(alpha) – Pareto
• random.weibullvariate(alpha, beta) – Weibull
• numpy.random.binomial – Binomiale
• numpy.random.poisson – Poisson

Consulta la documentazione di random e numpy.random per l’elenco completo delle distribuzioni supportate.

Simulazioni ed esempi

I numeri casuali sono ampiamente usati per simulare sistemi e processi del mondo reale in diversi campi. Eccone alcuni esempi in Python:

Lancio di dadi

Simuliamo il lancio di due dadi e ne stampiamo il risultato:

import random

for i in range(5):
  print(random.randint(1,6) + random.randint(1,6))

Risultato possibile:

8
10
5
9
7

Cammino casuale

Simuliamo una passeggiata casuale di 100 passi, in cui ad ogni passo ci si può muovere di +1 o -1:

import random

position = 0
walk = [position]

for i in range(100):
step = 1 if random.randint(0, 1) else -1
position += step
walk.append(position)

print(walk)

Simulazione di lancio di monete

Lanciamo una moneta 100 volte e contiamo quante volte esce testa:

python
import random

flips = 0
heads = 0

for i in range(100):
if random.randint(0, 1) == 1:
flips += 1
heads += 1

else:
flips += 1

print(f'Su {flips} lanci, testa è uscita {heads} volte')

Generare numeri random con Python – FAQ