如何生成开区间(0,1)内的均匀随机数？求标准可靠方案

首先明确：Python标准库的random.random()返回的是**[0.0, 1.0)**（左闭右开），random.uniform(0, 1)本质和它等价，因此两者都可能返回0.0，不符合开区间(0,1)的要求（需同时排除0和1）。

以下是几种标准可靠的实现方式：

方法一：过滤法（简单直观） #

通过循环生成random.random()的结果，排除0.0即可。由于random.random()返回0.0的概率极低（仅当底层随机数生成器恰好输出全0位时才会发生），实际运行中几乎不会触发循环，性能影响可以忽略：

import random

def rand_open_01():
    while True:
        x = random.random()
        if x != 0.0:
            return x

方法二：基于整数随机数的精确映射 #

利用random.getrandbits()生成固定位数的随机整数，直接映射到开区间(0,1)。这种方法避免了浮点数判断，更高效：

import random

def rand_open_01():
    # 生成64位非零随机整数（范围1到2^64 - 1）
    rand_bits = random.getrandbits(64)
    while rand_bits == 0:
        rand_bits = random.getrandbits(64)
    # 除以2^64，得到(0, 1 - 1/(2^64)]，属于(0,1)的子集
    return rand_bits / (2 ** 64)

该方法生成的数严格大于0，且小于1（因为最大的分子是2^64 -1，除以2^64后小于1），完全符合开区间要求。

注意事项 #

• 如果对精度要求不是极端严格，也可以使用random.uniform(1e-16, 1 - 1e-16)快速获取近似开区间的随机数，但这种方法本质是闭区间，且截断了两端的极小范围，不适用于严格要求开区间的场景。
• 所有基于Python标准库random模块的实现，都依赖于其底层的Mersenne Twister随机数生成器，这是工业界广泛认可的可靠伪随机数算法。

内容的提问来源于stack exchange，提问作者The Pointer