如何用Python(PyPy)非Mersenne Twister的PRNG生成[0,1)均匀伪随机浮点数？

完全可以通过random.getrandbits(k)生成[0,1)区间的均匀伪随机浮点数，核心逻辑非常直接：该函数返回的k位随机整数范围是0 ≤ x < 2^k，将其除以2^k就能得到符合要求的浮点数。以下是具体实现和关键细节：

基础实现（最优精度版本） #

import random

def wh_random():
    # 选用53位，匹配双精度浮点数的尾数长度，最大化随机数精度
    bit_count = 53
    return random.getrandbits(bit_count) / (1 << bit_count)

细节说明 #

• 为什么选53位？
  Python默认的float是双精度类型，尾数部分有53位有效位（含一个隐含的最高位1）。用53位随机数转换时，每个随机整数都能对应唯一的浮点数，不会出现多个整数映射到同一个浮点数的情况，既保证了均匀性，也不会浪费随机位。如果选小于53位的长度，会损失精度；大于53位的话，超出部分会被浮点数截断，没有实际价值。
• 交叉验证的有效性
  正如你所说，random.getrandbits()采用Wichmann-Hill算法，和random.random()依赖的Mersenne Twister完全不同，用这个方法生成的随机数可以有效完成蒙特卡洛结果的交叉验证。
• 性能适配PyPy
  这个封装函数的额外计算开销几乎可以忽略，完全不会影响PyPy带来的10倍速度优势，适合蒙特卡洛模拟这类需要大量生成随机数的场景。

内容的提问来源于stack exchange，提问作者r.e.s.