【必読】Pythonのrandomモジュールを使いこなす｜実例多数

（最終更新日：2023年8月）

✔このような方へ向けて書かれた記事です

「Pythonのrandomモジュールについて知りたい」
「Pythonのrandomを使った各種関数の使い方を学びたい」
「randomモジュールによる具体的な応用例を知りたい」

✔当記事を通じてお伝えすること

• Pythonにおけるrandomモジュールの基本概要
• randomモジュールの各種関数の使い方
• randomモジュールを利用したリアルな実例

当記事では、Python randomモジュールの基本から応用的な使い方まで、さまざまなケースに対応する具体例を交えて詳細に解説しています。

最後までお付き合いいただけると、Python randomモジュールの活用方法が身に付くことでしょう。

ぜひ最後までご覧ください。

基本的な乱数生成関数

こちらでは、「基本的な乱数生成関数」について説明します。

「基本的な乱数生成関数」を理解することで、Pythonにおける乱数の生成方法とその活用の幅を広げられるでしょう。

• random()
• uniform()
• randrange()とrandint()

random()

Pythonのrandomモジュールのrandom()関数は、0.0以上1.0未満の範囲で浮動小数点数の乱数を生成します。

この乱数は一様分布に従い、同じ範囲内の任意の数が同じ確率で出現するのです。

import random
random.random()

#出力例：0.304359224496221

0.0から1.0未満のランダムな浮動小数点数を出力されます。

uniform()

random()関数と似ていますが、uniform()関数は指定した範囲で浮動小数点数の乱数を生成します。

import random
random.uniform(1, 10)
#出力例：3.7580415817689388

1から10までの範囲でランダムな浮動小数点数を出力します。

randrange()とrandint()

randrange()関数は、指定した範囲内の整数の乱数を生成します。

この関数は、range()関数と同じように引数を取り、その範囲内の整数をランダムに返すものです。

一方で、randint()関数は2つの引数を取り、それらを含む範囲内の整数をランダムに返します。

# 0から10未満の偶数を返す
random.randrange(0, 10, 2)

# 1から6までの整数を返す
random.randint(1, 6)

乱数を利用したリスト操作

次に「乱数を利用したリスト操作」について見ていきましょう。

これにより、リスト内の要素をランダムに操作するさまざまな方法を学べます。

• ランダムな要素のリスト生成
• シーケンス用の関数

ランダムな要素のリスト生成

ランダムナ要素のリストを生成する方法をご覧いただきます。

要素の種類でやり方が異なります。

• 浮動小数点数のリスト
• 整数のリスト

浮動小数点数のリスト

randomモジュールを使用して、浮動小数点数の要素を持つリストを生成できます。

リスト内包表記とrandom()関数を組み合わせておこないましょう。

random_floats = [random.random() for _ in range(5)]

0.0から1.0の範囲のランダムな浮動小数点数を5つ含むリストを生成します。

整数のリスト

同様に、randint()関数を使って整数のリストを生成できます。

random_integers = [random.randint(1, 6) for _ in range(5)]

1から6の範囲のランダムな整数を5つ含むリストを生成します。

シーケンス用の関数

randomモジュールにはシーケンスをランダムに操作する関数も含まれています。

• choice()関数：リストからランダムな要素をひとつ選ぶ
• shuffle()関数：リストの要素をインプレースでシャッフルする

これらの関数はゲームやシミュレーションで特に役立ちます。

正規分布・ガウス分布などの乱数生成

次に、「正規分布・ガウス分布などの乱数生成」について解説します。

さまざまな確率分布に従った乱数の生成方法を学びましょう。

• さまざまな分布の乱数生成方法
• 生成される乱数の特徴

さまざまな分布の乱数生成方法

Pythonのrandomモジュールでは、正規分布やガウス分布などの確率分布に従った乱数を生成できます。

• gauss()関数：平均と標準偏差を引数として取り、ガウス分布に従った乱数を生成する
• normalvariate()関数：正規分布に従った乱数を生成する

import random

# 平均がmu、標準偏差がsigmaのガウス分布に従った乱数を生成する関数
def generate_gaussian(mu, sigma):
    return random.gauss(mu, sigma)

# 平均がmu、分散がsigma^2の正規分布に従った乱数を生成する関数
def generate_normal(mu, sigma):
    return random.normalvariate(mu, sigma)

# ガウス分布に従った乱数を生成
gaussian_num = generate_gaussian(mu=0, sigma=1)
print("ガウス分布に従った乱数:", gaussian_num)

# 正規分布に従った乱数を生成
normal_num = generate_normal(mu=10, sigma=2)
print("正規分布に従った乱数:", normal_num)

生成される乱数の特徴

確率分布に従った乱数は、特定のパターンや特性を持っています。

例えば、正規分布の乱数は、平均値を中心にして釣鐘型の分布を示すものです。

これは、自然界や人間の行動など、多くの現象において見られる分布であるため、科学的なシミュレーションなどで広く使用されます。

import random
import matplotlib.pyplot as plt

# 正規分布に従った乱数を生成
def generate_normal(mu, sigma, num_samples):
    return [random.gauss(mu, sigma) for _ in range(num_samples)]

# 正規分布のパラメータ
mu = 0     # 平均
sigma = 1  # 標準偏差
num_samples = 10000  # 乱数のサンプル数

# 正規分布に従った乱数を生成
data = generate_normal(mu, sigma, num_samples)

# ヒストグラムで分布を観察
plt.hist(data, bins=50, density=True, alpha=0.6, color='blue', edgecolor='black')
plt.title("Normal Distribution (μ=0, σ=1)")
plt.xlabel("Value")
plt.ylabel("Probability Density")
plt.grid(True)
plt.show()

乱数シード固定と再現性

こちらでは、「乱数シード固定と再現性」について説明します。

これにより、乱数生成における再現性の重要性と、それを保証する方法を理解できるでしょう。

• なぜ乱数シードを固定するのか
• 乱数生成器の初期化方法

なぜ乱数シードを固定するのか

乱数シードを固定する主な理由は、結果の再現性を保証するためです。

とくに、科学的な研究やシミュレーションでは、結果を他人が検証できるように、同じ乱数シーケンスを生成する必要があります。

乱数生成器の初期化方法

Pythonでは、randomモジュールのseed()関数を使用して乱数生成器のシードを設定できます。

この関数に整数値を渡すと、その値を基にして乱数シーケンスが生成されるのです。

これにより、プログラムを何度実行しても、同じシード値を使用すれば同じ乱数シーケンスが得られます。

import random

# シード値を設定する関数
def set_seed(seed_value):
    random.seed(seed_value)

# 同じシード値を使用して乱数を生成する関数
def generate_random_numbers(num_samples):
    return [random.random() for _ in range(num_samples)]

# シード値を設定
seed_value = 42
set_seed(seed_value)

# 同じシード値を使用して乱数を生成
random_numbers1 = generate_random_numbers(num_samples=5)
print("乱数シーケンス1:", random_numbers1)

# 再度同じシード値を使用して乱数を生成
random_numbers2 = generate_random_numbers(num_samples=5)
print("乱数シーケンス2:", random_numbers2)

実用的な使用例とレシピ

こちらでは、「実用的な使用例とレシピ」について解説します。

これにより、Pythonの乱数生成機能を活用して実際のプロジェクトに応用するための知識を深められるでしょう。

• シンプルなダイスロールシミュレータ
• ランダムなパスワード生成器
• くじ引きプログラムの作成

シンプルなダイスロールシミュレータ

Pythonの乱数生成機能を使用して、ダイスをシミュレートするプログラムを作成できます。

6面のサイコロを投げるシミュレーションは以下のようにして、1から6までのランダムな整数を生成するのです。

random.randint(1, 6)

プログラムの例をご覧いただきます。

import random

# 6面のサイコロを1回振る関数
def roll_dice():
    return random.randint(1, 6)

# サイコロをn回振って結果をリストで返す関数
def simulate_dice_rolls(n):
    return [roll_dice() for _ in range(n)]

# サイコロを10回振って結果を表示
num_rolls = 10
results = simulate_dice_rolls(num_rolls)
print(f"{num_rolls}回のサイコロの結果: {results}")

ランダムなパスワード生成器

セキュアなパスワードを生成するために、Pythonの乱数生成機能を活用できます。

random.choices(string.ascii_letters + string.digits + string.punctuation, k=12)

12文字のランダムなパスワードを生成します。

以下の自作アプリでも、ランダム文字列の生成を体感してください。

Fun Tools

ReactとDjangoで作成したWebアプリです。便利なツールを揃えているので、ぜひ立ち寄ってみてください。作り方はブログで紹介しています！

tools.itc-app.site

くじ引きプログラムの作成

イベントなどで使えるくじ引きプログラムもPythonの乱数機能で簡単に作成できます。

参加者のリストからランダムに選ぶことで、当選者を決定するものです。

random.choice()

リストからランダムな要素を選択できます。

まとめ

Pythonのrandomモジュールを使ったランダム文字列の生成には、以下のようなメリットがあります。

1. シンプルな実装：特別なアルゴリズムや複雑な処理を書く必要がないため、効率的にランダム文字列を取得できる
2. 再現性の制御：seed()関数を使用することで、乱数のシードを設定し、再現性のある乱数生成を実現できる
3. 広範な用途：ランダム文字列は、テストデータの生成や暗号学的なアプリケーション、シミュレーション、ランダムなイベントの発生など、多岐にわたる用途に活用できる

Pythonのrandomモジュールは現在でも広く使用されており、簡単なランダムデータの生成には便利なツールです。

今後もrandomモジュールの基本的な機能は変わることなく、使いやすいランダムデータの生成が可能であると考えられます。

ただしより高度な乱数生成や特定の分布に従った乱数の生成など、より複雑な要件が増えるにつれて、より高度な乱数生成ライブラリや統計関連のライブラリが重要性を増すかもしれません。

今後は、Pythonコミュニティや関連するライブラリの発展に注目し、より使いやすく信頼性の高い乱数生成機能の進化を期待することが重要です。

常に最新のベストプラクティスを学び、適切なツールを選択することで、安全かつ効果的なランダムデータの生成が実現できるでしょう。