如何在Python中生成可设种子、精度≥20位小数的-1到1区间随机浮点数

实现方案 #

你可以借助Python标准库random模块（支持自定义种子）生成大位宽随机整数，再映射到目标区间，配合mpmath或decimal实现任意精度的可控随机浮点数，具体实现如下：

方案1：基于mpmath实现（推荐，适合高精度科学计算）

import random
import mpmath

# 设置计算精度为25位小数，预留冗余避免计算过程精度损失
mpmath.mp.dps = 25

def hp_uniform(seed: int, low=-1, high=1):
    random.seed(seed)
    # 生成72位随机整数，对应约21.7位十进制有效数字，满足20位精度要求
    rand_int = random.getrandbits(72)
    # 映射到[0,1)区间
    rand_0_1 = mpmath.mpf(rand_int) / mpmath.mpf(2 ** 72)
    # 缩放平移到目标区间
    return low + (high - low) * rand_0_1

# 测试：生成2个种子可控的-1到1之间的随机数
xis = [hp_uniform(2000 + i) for i in range(2)]
print(xis)

方案2：基于Decimal实现

import random
from decimal import Decimal, getcontext

# 设置Decimal全局精度为25位
getcontext().prec = 25

def decimal_uniform(seed: int, low=-1, high=1):
    random.seed(seed)
    rand_int = random.getrandbits(72)
    rand_0_1 = Decimal(rand_int) / Decimal(2 ** 72)
    return Decimal(low) + (Decimal(high) - Decimal(low)) * rand_0_1

# 测试
xis = [decimal_uniform(2000 + i) for i in range(2)]
print(xis)

说明 #

1. 精度可灵活调整：如果需要更高精度，只需增加getrandbits的参数（比如要30位十进制精度，设置为100位即可，2^100的十进制位数约为30.1），同时同步调高mpmath.mp.dps或getcontext().prec的数值即可。
2. 批量生成优化：如果需要一次性生成多个随机数，不要每次调用函数都设置种子，只需在批量生成前调用一次random.seed(你的种子)，再循环生成即可，效率更高。
3. 原有方案问题说明：mpmath.rand()底层默认调用系统随机源，没有公开的种子设置接口，无法复现结果；将numpy生成的float64转Decimal的方案无法提升精度，因为float64本身最多只有15~17位有效数字，原生精度上限无法突破。

内容的提问来源于stack exchange，提问作者pysolver33