You need to enable JavaScript to run this app. 为何Python中random.randint()运行速度远慢于random.getrandbits()?
优惠活动
大模型
产品
解决方案
定价
更多

为何Python中random.randint()运行速度远慢于random.getrandbits()?

Python random.randint() 与 random.getrandbits() 性能差异底层原因

二者性能差距完全来自CPython标准库的实现逻辑差异,核心原因有三点:

  • 封装层级差异:randint(a, b) 本质是 randrange(a, b+1) 的语法糖,作为通用范围随机数接口,randrange 每次调用都要执行Python层的参数校验逻辑:比如判断上下限是否为整数、上限是否大于等于下限、步长是否合法等,还要额外计算区间长度,单次开销很小,但百万次调用的累积开销非常可观。而getrandbits(k)是直接对接底层梅森旋转随机数生成器的C实现接口,几乎没有Python层的额外逻辑。
  • 采样逻辑差异:randrange 为了保证任意范围的随机数都没有统计偏差,默认使用拒绝采样逻辑:如果生成的随机数落在范围的非整数倍区间就会丢弃重生成。哪怕你使用的范围刚好是2的幂(比如0~1023)可以跳过拒绝采样,前面的参数校验、范围计算流程依然会完整执行。
  • 原生输出的开销优势:梅森旋转算法本身输出的就是二进制比特序列,getrandbits(k)相当于直接从生成的比特流里取k位拼接成整数返回,是最接近随机数生成器原生输出的接口,额外开销几乎可以忽略。哪怕randint最终内部也调用getrandbits获取随机值,中间多的几层函数调用和逻辑处理也会带来数倍的性能差距。

测试参考

测试代码如下:

from random import randint, getrandbits, seed
from datetime import datetime

def ts():
    return datetime.now().timestamp()

def diff(st, en):
    print(f'{round((en - st) * 1000, 3)} ms')

seed(111)
N = 6

rn = []
st = ts()
for _ in range(10**N):
    rn.append(randint(0, 1023))
en = ts()
diff(st,en)

rn = []
st = ts()
for _ in range(10**N):
    rn.append(getrandbits(10))
en = ts()
diff(st,en)

测试输出:

590.509 ms
91.01 ms

二者生成的随机数范围完全一致:10随机比特的取值范围为0(对应二进制0000000000)到1023(对应二进制1111111111),和randint(0,1023)的取值区间完全重合。

内容的提问来源于stack exchange,提问作者blazej

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.16 21:15:04