将C#迁移到Python-随机类

我需要将一些C#代码迁移到Python。原始代码使用

Random

类。迁移的代码必须是周期精确的（即对

Next（）

的连续调用必须在两个代码中产生相同的结果）。一些问题：

• 在Python中是否存在与C#的

  Random

  等效的调用
• 头韵地说，假设我可以修改这两个源代码，是否有一个同时适用于C#和Python的伪随机库

---

我不知道有哪一个库既可用于Python，也可用于C#并且为这两种语言生成相同的随机数。但是，您可以利用IronPython。IronPython和CPython之间默认的

Random

实现不同，但是

WichmannHill

类则不同

您可以使用C#在IronPython中实例化

WichmannHill

类，并为同一种子获得与CPython相同的值。或者，通过在

random.py

中翻译Python代码，您可以相对轻松地在C#中实现Wichmann-Hill算法

---

另一种选择是采用随机的Mersenne Twister算法，并将其转换为C，以获得相同的结果。

我知道这是一个老问题，但我最终需要一个解决方案。我最终用python实现了C#的随机类。只要你不需要大于2147483647的随机数，它就可以工作。我最终不需要这个功能，所以我没有实现它

从ctypes导入*
#实施日期：
# http://referencesource.microsoft.com/#mscorlib/system/random.cs，dec894a7e816e665
类随机（对象）：
定义初始化（self，seed）：
self.seed=c_int（seed）.value
self.MBIG=2147483647
self.MMIN=-2147483648
self.MZ=0
self.MSEED=161803398
self.SeedArray=[0]*56
如果seed==self.MMIN：
减法=self.MBIG
其他：
减法=绝对值（种子）
mj=c_int（self.MSEED-减法）。值
self.SeedArray[55]=mj
mk=1
对于范围（1,55）内的i：
ii=（21*i）%55
self.SeedArray[ii]=mk
mk=mj-mk
如果mk<0：
mk+=self.MBIG
mj=自种子阵列[ii]
对于范围（1,5）内的k：
对于范围（1,56）内的i：
self.SeedArray[i]-=self.SeedArray[1+（i+30）%55]
如果self.SeedArray[i]<0：
self.SeedArray[i]=c_int（self.SeedArray[i]+self.MBIG）.value
self.inxt=0
self.inxtp=21
self.seed=1
def内部样本（自身）：
locINext=自身inext+1
locINextp=self.inextp+1
如果locINext>=56：
locINext=1
如果locINextp>=56：
locINextp=1
retVal=c_int（self.SeedArray[locINext]-self.SeedArray[locINext]）.value
如果retVal==self.MBIG：
retVal-=1
如果retVal<0：
retVal=c_int（retVal+self.MBIG）.value
self.SeedArray[locINext]=retVal
self.inext=locINext
self.inxtp=locinxtp
返回返回
def Next（自我，最小值=无，最大值=无）：
如果minValue==无：
返回self.InternalSample（）
valRange=最大值-最小值
如果valRange为两种语言编写自己的PRNG，我支持使用Mersenne Twister。它是一个比内置的Random（）好得多的randomiser（至少对于c#，我不知道IronPython）。不过，不要将它（或者确实是Random（））用于加密。请在此处发布您的实现，以防gist被删除或链接中断。
from ctypes import *
# implemented from:
# http://referencesource.microsoft.com/#mscorlib/system/random.cs,dec894a7e816e665
class Random(object):
    def __init__(self, seed):
        self.seed = c_int(seed).value
        self.MBIG = 2147483647
        self.MMIN = -2147483648
        self.MZ = 0
        self.MSEED = 161803398
        self.SeedArray = [0] * 56

        if seed == self.MMIN:
            subtraction = self.MBIG
        else:
            subtraction = abs(seed)

        mj = c_int(self.MSEED - subtraction).value
        self.SeedArray[55] = mj
        mk = 1
        for i in range(1, 55):
            ii = (21 * i) % 55
            self.SeedArray[ii] = mk
            mk = mj - mk
            if mk < 0:
                mk += self.MBIG
            mj = self.SeedArray[ii]
        for k in range(1, 5):
            for i in range(1, 56):
                self.SeedArray[i] -= self.SeedArray[1 + (i + 30) % 55]
                if self.SeedArray[i] < 0:
                    self.SeedArray[i] = c_int(self.SeedArray[i] + self.MBIG).value
        self.inext = 0
        self.inextp = 21
        self.seed = 1

    def InternalSample(self):
        locINext = self.inext + 1
        locINextp = self.inextp + 1

        if locINext >= 56:
            locINext = 1
        if locINextp >= 56:
            locINextp = 1

        retVal = c_int(self.SeedArray[locINext] - self.SeedArray[locINextp]).value
        if retVal == self.MBIG:
            retVal -= 1
        if retVal < 0:
            retVal = c_int(retVal + self.MBIG).value
        self.SeedArray[locINext] = retVal
        self.inext = locINext
        self.inextp = locINextp
        return retVal

    def Next(self, minValue=None, maxValue=None):
        if minValue == None:
            return self.InternalSample()
        valRange = maxValue - minValue
        if valRange <= self.MBIG:
            return int(c_float(self.Sample() * valRange).value) + minValue
        else:
            return self.GetSampleForLargeRange() * valRange + minValue

    def GetSampleRangeForLargeRange(self):
        pass

    def Sample(self):
        s = self.InternalSample()
        ret = c_double(s * c_double(1.0/self.MBIG).value).value
        # print(f'sample: {s}\nret: {ret}')
        return ret