如何不依赖任何库从零实现Python随机函数？

首先得明确：我们平时用的“随机数”大多是伪随机数——通过确定性算法生成的、看起来随机的序列，只要初始种子固定，生成的序列就完全一致。如果要完全不依赖任何库，最容易上手实现的是线性同余生成器（LCG），它的核心公式很简单：

next_seed = (a * current_seed + c) % m

其中a（乘数）、c（增量）、m（模数）是需要精心选择的参数，选得好能让生成的序列周期足够长、分布均匀。这里我们用glibc标准库中使用的经典参数：a=1103515245，c=12345，m=2^31。

下面是具体实现：

# 全局变量保存当前种子，初始值可自定义
_current_seed = 12345

def getRandom():
    global _current_seed
    # 用LCG公式更新种子
    _current_seed = (1103515245 * _current_seed + 12345) % (1 << 31)
    # 将整数转换为0 ≤ n < 1的浮点数
    return _current_seed / (1 << 31)

关键步骤解释 #

• 种子维护：用全局变量_current_seed保存当前状态，每次调用函数都会更新这个种子，确保下一次生成的数和之前不同。
• LCG计算：按照公式生成下一个整数种子，这个整数的范围是0到2^31 - 1。
• 转换为浮点数：将生成的整数除以2^31，就能把范围映射到0.0 ≤ n < 1.0——因为最大的整数是2^31 -1，除以2^31后结果小于1。

补充说明 #

如果想要更“随机”的初始种子，你可以手动修改_current_seed的初始值（比如用当前时间的数值，但这需要导入time库，不符合“零依赖”要求）。另外，伪随机数不适合用于加密场景，加密需要专门的密码学安全随机数生成器，但日常测试、模拟场景用这个实现完全足够。

内容的提问来源于stack exchange，提问作者Jordy