Python中能否将random()函数的上限设置为无穷大？

结论先行 #

普通内置random()函数无法实现无固定上限的取值，也不存在能生成无穷区间均匀随机数的函数，但可以通过非均匀分布的随机生成函数满足无固定上限的需求。

为什么内置random()做不到 #

所有编程语言的内置random()函数本质上都是生成**[0,1)区间的有限精度浮点数**，本身就是固定上下限的设计，没有调整上限为无穷大的可能性。
另外从数学原理上，不存在“全体实数/全体正整数区间的均匀分布”：

如果要让无穷多的取值拥有相等的被选中概率，总概率会变成无穷大，无法满足概率总和为1的基本规则，因此均匀采样的无上限随机数本身就不可能存在。

可实现无固定上限的替代方案 #

如果你不需要均匀分布，只要求没有固定的理论上限、数值越大出现概率越低，可以使用以下几类长尾分布的随机生成函数：

• 帕累托分布（幂律分布）：符合常见的现实世界数据分布规律，小概率生成极大值，没有理论最大值
• 指数分布：常用于模拟独立随机事件发生的时间间隔，无固定上限
• 对数正态分布：生成的数值均为正数，无固定上限，适合模拟收入、人口等场景的随机数据

以Python为例，生成帕累托分布的无上限随机数可以直接调用numpy的对应方法：

import numpy as np
# a为形状参数，数值越小分布的长尾越明显
random_val = np.random.pareto(a=2.0)

这类生成的数值没有预设的固定上限，理论上可以生成任意大的数值，仅会受限于计算机本身的数值精度上限（比如64位浮点数的最大值约为1.8e308），完全匹配你要的“无固定上限”需求。

内容的提问来源于stack exchange，提问作者Muhammad Asim